如何在Pandas DataFrame中将"02-04-20189.45"格式字符串转为datetime类型？

嘿，我太懂你这种被奇葩日期格式折腾的感受了——这个「日-月-年小时(24制).分钟」的格式居然把年份和小时直接连在一起，确实很坑！不过咱们用点字符串处理和正则的技巧就能轻松搞定，下面给你两种实用的方案：

方案1：分步拆分处理（直观易懂） #

如果喜欢清晰的步骤，咱们可以把日期和时间部分拆开，再拼接成标准格式：

import pandas as pd

# 假设你的DataFrame列名为`date_str`
# 1. 拆分日期部分（前10位：日-月-年）和时间部分（剩余字符：小时.分钟）
df['date_part'] = df['date_str'].str[:10]
df['time_part'] = df['date_str'].str[10:]

# 2. 把时间部分的点换成冒号，并且给1位小时补前导零（比如9.45 → 09:45）
df['time_part'] = df['time_part'].str.replace('.', ':').str.zfill(5)

# 3. 拼接成标准的日期时间字符串
df['datetime_str'] = df['date_part'] + ' ' + df['time_part']

# 4. 转换为datetime类型
df['datetime'] = pd.to_datetime(df['datetime_str'], format='%d-%m-%Y %H:%M')

# 要是不需要中间列，可以直接删掉
df = df.drop(['date_part', 'time_part', 'datetime_str'], axis=1)

方案2：正则表达式一键转换（简洁高效） #

如果想少写点代码，用正则表达式直接替换成标准格式是更高效的选择：

import pandas as pd

# 用正则匹配并重构日期时间字符串
df['datetime'] = pd.to_datetime(
    df['date_str'].str.replace(r'(\d{2}-\d{2}-\d{4})(\d+)\.(\d{2})', r'\1 \2:\3'),
    format='%d-%m-%Y %H:%M',
    errors='coerce'  # 可选：把格式错误的字符串转为NaT，方便后续排查
)

正则说明： #

• (\d{2}-\d{2}-\d{4})：匹配「日-月-年」的固定长度部分（比如02-04-2018）
• (\d+)：匹配小时部分（1位或2位数字，比如9或19）
• \.(\d{2})：匹配分隔点和分钟部分（比如.45）
• 替换后的\1 \2:\3会把原字符串变成日-月-年 小时:分钟的标准格式，再用pd.to_datetime就能轻松识别了。

两种方案都能完美处理你给出的示例值"02-04-20189.45"，转换后会变成2018-04-02 09:45:00的datetime类型～

内容的提问来源于stack exchange，提问作者chetan buye