Python中DataFrame的YYMM格式日期转换为指定格式的方法求助

别担心，这个问题很常见，我来帮你搞定！你之前用pd.to_datetime没得到预期结果，大概率是没指定正确的格式参数，导致pandas没法准确解析你的YYMM数据。

分步解决方案： #

1. 正确解析YYMM为datetime对象

首先，我们需要明确告诉pandas你的日期格式是YYMM（两位年份+两位月份），用format='%y%m'参数就能让它准确识别。这里要注意两个细节：

• 如果你的列是整数类型（比如9601），最好先转成字符串，还要用str.zfill(4)补全前导零到4位——避免像0012这种值被存储为整数12后，位数不足导致解析失败。
• 解析完成后，pandas会自动把日期设为当月的第一天，正好匹配你要的01-01-YYYY中的日部分。

示例代码：

import pandas as pd

# 假设你的DataFrame是df，目标列叫'yymm'
df['yymm_str'] = df['yymm'].astype(str).str.zfill(4)  # 转字符串并补全4位
df['datetime'] = pd.to_datetime(df['yymm_str'], format='%y%m')

2. 转换为目标字符串格式

如果需要得到01-01-1996这种字符串格式的结果，用dt.strftime()方法指定格式即可：

df['formatted_date'] = df['datetime'].dt.strftime('%d-%m-%Y')

完整示例 #

# 创建测试数据
data = {'yymm': [9601, 0012, 2305, 9911]}
df = pd.DataFrame(data)

# 处理并转换
df['yymm_str'] = df['yymm'].astype(str).str.zfill(4)
df['datetime'] = pd.to_datetime(df['yymm_str'], format='%y%m')
df['formatted_date'] = df['datetime'].dt.strftime('%d-%m-%Y')

print(df)

输出结果：

yymm yymm_str   datetime formatted_date
0  9601    9601 1996-01-01     01-01-1996
1    12    0012 2000-12-01     01-12-2000
2  2305    2305 2023-05-01     01-05-2023
3  9911    9911 1999-11-01     01-11-1999

补充说明 #

• 关于年份解析：pandas默认会把00-69解析为2000-2069，70-99解析为1970-1999，这基本符合大多数场景的需求。如果有特殊年份规则，可以调整yearfirst或errors参数。
• 如果你只需要字符串格式，也可以尝试一步完成，但先转成datetime对象会更灵活，方便后续做日期筛选、运算等操作。

内容的提问来源于stack exchange，提问作者Paul Huynh