在 pandas 中使用混合日期时间格式

Question

我将一个文件读入 pandas 数据帧，其日期格式各不相同：

• 美国人：YYYY-MM-DD

• 或欧洲：DD.MM.YYYY

它们以字符串形式出现。我想将它们全部格式化为日期对象，以便pandas.Series.dt可以使用它们，并且最好将它们采用第二种格式（DD.MM.YYYY）。

pandas.Series.dt与一栏中的两种不同拼写混淆。

Answer 1

分别使用to_datetime两种格式，因此如果格式不匹配，则会获取缺失值，因此对于新列使用Series.fillna：

df = pd.DataFrame({'date': ['2000-01-12', '2015-01-23', '20.12.2015', '31.12.2009']}) 
print (df)
         date
0  2000-01-12
1  2015-01-23
2  20.12.2015
3  31.12.2009

date1 = pd.to_datetime(df['date'], errors='coerce', format='%Y-%m-%d')
date2 = pd.to_datetime(df['date'], errors='coerce', format='%d.%m.%Y')
df['date'] = date1.fillna(date2)
print (df)
        date
0 2000-01-12
1 2015-01-23
2 2015-12-20
3 2009-12-31

最好采用第二种格式

python/pandas 中的日期时间格式默认为YYYY-MM-DD，如果需要自定义格式也是可以的，但值会转换为字符串，因此 datetimelike 函数失败：

df['date'] = df['date'].dt.strftime('%d.%m.%Y')
print (df)
         date
0  12.01.2000
1  23.01.2015
2  20.12.2015
3  31.12.2009

print (type(df.loc[0, 'date']))
<class 'str'>