如何在Pandas中将不同格式日期字符串转为统一DD-MM-YYYY格式日期对象？

这个问题我之前也碰到过，核心原因是你的数据里同时存在YYYY-MM-DD和DD-MM-YYYY两种日期格式，但你指定了单一的%d-%m-%Y格式去解析，导致像1899-12-31这种符合YYYY-MM-DD格式的数据无法匹配，从而抛出错误。下面给你几个可行的解决方案：

方法一：让Pandas自动推断格式（简单高效） #

Pandas的pd.to_datetime本身具备自动识别多种日期格式的能力，你可以去掉format参数，让它自动解析所有格式，同时用errors='coerce'把无法识别的无效日期转为NaT（避免报错中断）：

import pandas as pd

# 先将混合格式的字符串转为datetime对象
df['accepted_date'] = pd.to_datetime(df['accepted_date'], errors='coerce')

# 如果需要将datetime对象转为DD-MM-YYYY格式的字符串（可选）
df['accepted_date'] = df['accepted_date'].dt.strftime('%d-%m-%Y')

• 注意：如果选择保留datetime对象（不执行第二行），Pandas内部存储的是标准日期格式，你可以通过设置显示选项让它默认显示为DD-MM-YYYY：

  pd.options.display.date_format = '%d-%m-%Y'
  

方法二：手动匹配格式（精准可控） #

如果担心自动推断出错，你可以用正则表达式分别匹配两种格式的行，再分别解析：

import pandas as pd

# 匹配YYYY-MM-DD格式的行
mask_ymd = df['accepted_date'].str.match(r'^\d{4}-\d{2}-\d{2}$')
df.loc[mask_ymd, 'accepted_date'] = pd.to_datetime(df.loc[mask_ymd, 'accepted_date'], format='%Y-%m-%d')

# 匹配DD-MM-YYYY格式的行
mask_dmy = df['accepted_date'].str.match(r'^\d{2}-\d{2}-\d{4}$')
df.loc[mask_dmy, 'accepted_date'] = pd.to_datetime(df.loc[mask_dmy, 'accepted_date'], format='%d-%m-%Y')

# 统一转为DD-MM-YYYY格式的字符串（可选）
df['accepted_date'] = df['accepted_date'].dt.strftime('%d-%m-%Y')

这种方法更灵活，适合数据格式复杂、需要精准控制的场景。

内容的提问来源于stack exchange，提问作者sagarpavan