如何将字典中DataFrame的'%Y%m%d%H%M'格式转为datetime并替换原列

你原来的代码问题在于两层循环逐行处理的方式既低效，又没有把转换后的datetime值真正赋值回col1列，所以才看不到替换效果。其实pandas本身就支持批量处理这类格式转换，完全不用手动遍历每一行，我给你优化一下：

优化后的完整代码 #

import pandas as pd

df1 = pd.DataFrame(data= {'col1':['201706202359' , '201706220510'], "col2" : ['0', '1']})
df2 = pd.DataFrame(data= {'col1':['201707202300' , '201706230600'],"col2" : ['0', '1']})
dfs = {'df1' : df1, 'df2' : df2}

# 遍历字典中的每个DataFrame，批量转换并替换col1列
for name, df in dfs.items():
    df['col1'] = pd.to_datetime(df['col1'], format='%Y%m%d%H%M')

为什么这样能解决问题？ #

• pd.to_datetime()可以直接接收整个df['col1']（也就是pandas的Series对象）作为输入，指定format='%Y%m%d%H%M'来匹配你的日期字符串格式，它会自动批量把所有字符串转换成datetime类型，效率比逐行循环高得多。
• 直接通过df['col1'] = ...赋值，就能把转换后的datetime序列直接替换掉原来的col1列，一步到位。

原代码的问题补充 #

你之前的循环里，只是计算出了datetime值，但没有执行类似df['col1'].iloc[i] = datetime的赋值操作，而且即使加上这行，逐行处理在数据量较大时会非常影响性能，所以优先用pandas的批量操作才是最佳实践。

内容的提问来源于stack exchange，提问作者Amy21