如何将多格式日期列转换为熊猫列中的单个常见日期格式？答案

【问题标题】：How to convert multiformat date column into signle common date format in pandas column?如何将多格式日期列转换为熊猫列中的单个常见日期格式？
【发布时间】：2021-01-09 23:51:59
【问题描述】：

我的 CSV 有一列具有以下日期格式。

5/2/2010
12/2/2010
19-02-2010
26-02-2010
5/3/2010
12/3/2010
19-03-2010
26-03-2010
2/4/2010
9/4/2010

当我读取 csv 文件并打印数据框时，我得到的结果如下所示。

file_path = r'Store_sales.csv'
date_series_data = pd.read_csv(file_path)
date_series_data.head()

输出

当我打印数据类型时，它会显示对象数据类型。所以我无法设置为索引。所以我使用pd.to_datetime(date_series_data) 将对象转换为 datetime64[ns]。但是前两个元素的日期格式更改如下

因此，我的各种计算都出错了。有没有有效的方法来转换和获得类似的格式？

【问题讨论】：

你能把这个出错的计算贴出来吗？听起来您以后的计算可能旨在处理具有特定格式的字符串，而不是日期时间对象。如果是这种情况，您可能希望将日期转换回字符串 (df['col'] = df['col'].astype(str))，或者更好的是，更改这些计算以处理日期时间对象。
试试pd.to_datetime(date_series_data, dayfirst=True) - 默认情况下，假定月份在前，而您输入的情况并非如此。

标签： python pandas dataframe datetime

【解决方案1】：

试试：

import pandas as pd

# Read excel file
date_series_data = pd.read_csv(filepath)

# 'Date' is the column name which has date entries
# I have set time format as YDM. You can change it to other using dt.strftime
date_type_one = pd.to_datetime(date_series_data['Date'], errors='coerce', format='%Y-%d-%m %H:%M:%S').dt.strftime('%Y-%d-%m')
date_type_two = pd.to_datetime(date_series_data['Date'], errors='coerce', format='%d-%m-%Y').dt.strftime('%Y-%d-%m')
date_series_data['Date'] = date_type_one.fillna(date_type_two)

date_series_data.head()

参考资料： Working with mixed datetime formats in pandas

【讨论】：