使用datetime处理DataFrame时间列报错：strptime()参数1需为str而非Series

你遇到的问题很典型——datetime.datetime.strptime()是专门处理单个字符串的函数，而old_df['oldDate']是一个pandas Series（也就是整列数据），直接把Series传进去，函数自然会报错，因为它只接受单个str类型的参数，不认识Series对象。

下面给你两种靠谱的解决方案：

方案1：用pandas内置的pd.to_datetime()（推荐） #

pandas有专门处理批量时间转换的工具，效率比循环每个元素高得多，尤其适合大数据量：

import pandas as pd

# 第一步：将字符串列转为pandas的datetime类型
datetime_series = pd.to_datetime(old_df['oldDate'], format='%b %d, %Y')
# 第二步：转换为你需要的字符串格式
df_newtime = datetime_series.dt.strftime('%m/%d/%Y')

这里的dt访问器是pandas专门给datetime类型Series提供的工具，能方便地对整列时间做格式化操作。

方案2：用apply()逐个处理元素 #

如果你一定要用datetime.strptime()，可以用apply()让函数遍历Series的每个元素：

import datetime
import pandas as pd

df_newtime = old_df['oldDate'].apply(
    lambda x: datetime.datetime.strptime(x, '%b %d, %Y').strftime('%m/%d/%Y')
)

这种方法本质是循环每个元素，数据量大的时候性能会比方案1差一些，所以更推荐第一种。

内容的提问来源于stack exchange，提问作者qing zhangqing