如何在Pandas多列中应用.str操作处理带时间戳的日期？

嘿，我一眼就看出你循环里的问题啦——你写的df2['all']是在硬编码操作名为'all'的列，而不是循环变量all指代的每一列，这就导致你的循环根本没遍历到那些日期列，自然没效果啦！

给你几个靠谱的解决方案，适配你50+列的场景：

方案1：修正你的循环逻辑（最直观） #

先遍历每一列，针对不同类型的列做处理：如果是datetime类型，用dt.strftime格式化；如果已经是带时间戳的字符串，直接切片。这样既准确又能保留空值：

import pandas as pd

for col in df2.columns:
    # 先判断列是否为datetime类型（推荐优先处理原生日期类型）
    if pd.api.types.is_datetime64_any_dtype(df2[col]):
        df2[col] = df2[col].dt.strftime('%Y-%m-%d')
    # 如果列是字符串类型（比如读取时自动转成了带时间的字符串）
    elif df2[col].dtype == object:
        df2[col] = df2[col].str[:10]

方案2：用apply批量处理（更简洁） #

如果所有列都是日期/空值，一行代码就能搞定所有列，不用写循环：

df2 = df2.apply(
    lambda col: col.dt.strftime('%Y-%m-%d') 
    if pd.api.types.is_datetime64_any_dtype(col) 
    else col.str[:10] if col.dtype == object 
    else col
)

方案3：从读取Excel时就搞定（源头解决） #

如果不想后续处理，读取文件时直接指定日期格式，省得之后麻烦：

def format_date(val):
    if pd.isna(val):
        return val
    try:
        return pd.to_datetime(val).strftime('%Y-%m-%d')
    except:
        return val

# 读取所有列并应用格式化函数
df2 = pd.read_excel(
    '你的文件路径.xlsx',
    converters={col: format_date for col in pd.ExcelFile('你的文件路径.xlsx').parse().columns}
)

小提醒： #

• 空单元格不用额外处理，上面的方法都会保留原有的空值（NaN）；
• 优先用dt.strftime处理原生datetime类型，比字符串切片更可靠，避免因日期格式不一致导致的错误。

内容的提问来源于stack exchange，提问作者Pigel J