Python 将datetime转换为其他格式而不更改数据类型

我自己也只是在学习熊猫，遇到了一些问题

在从csv文件读取的数据框中，我有一列包含不同格式的日期数据（如

'%m/%d/%Y'

和

'%Y-%m-%d'

，可能为空）。我希望统一此列的格式。但我不知道是否还有其他格式。因此，当我使用

pd.to_datetime（）

时，它会引发一些错误，例如格式不匹配和数据不符合时间。如何统一本专栏的格式

我已经将该列的一部分转换为datetime数据类型，它采用

YYYY-mm-dd

格式。我是否可以保留日期时间数据类型，并将格式更改为

'%m/%d/%Y'

？我使用了

pd.dt.strftime（）

，它将更改格式，但也将数据类型更改为str，而不保留日期时间数据类型

因此，当我使用pd.to_datetime（）时，它引发了一些错误，如格式错误 匹配而非时间型数据。我该如何统一此文件的格式 专栏

使用

errors='concurve'

选项，为未转换的值返回

NaT

（非时间）。还要注意，

格式

参数不是必需的。省略它将使Pandas能够尝试多种格式，如果失败，它将恢复为

NaT

1。例如：

df['datetime'] = pd.to_datetime(df['datetime'], errors='coerce')

注意，混合类型可能会被错误地解释。例如，Python如何知道2018年6月5日是6月5日还是5月6日？将应用约定顺序，如果您需要更大的控制，您需要自己应用自定义顺序

我是否可以保留datetime数据类型，并将格式更改为“%m/%d/%Y”

不，你不能<代码>日期时间序列在内部存储为整数。任何人类可读的日期表示形式都只是表示形式，而不是基础整数。要访问自定义格式，可以使用Pandas中提供的方法。您甚至可以将这样的文本表示存储在

pd.Series

变量中：

formatted_dates = df['datetime'].dt.strftime('%m/%d/%Y')

格式化日期的

的
dtype
将是
object
，这表示序列中的元素指向任意Python时间。在这种情况下，这些任意类型恰好都是字符串

最后，我强烈建议您不要将
datetime
系列转换为字符串，直到工作流的最后一步。这是因为一旦这样做，您将无法再对此类序列使用有效的向量化操作


1这将牺牲性能和对比度，这需要指定格式。熊猫在内部使用库，如图所示。
谢谢！我知道我可以在参数中使用
errors='compresse'
，但它会将所有其他不适合默认输入的输入更改为
Nat
。例如，如果我有两种格式，如
'%m/%d/%Y'
和
'%Y-%m-%d'
，如果我设置
格式='%m/%d/%Y'
，另一种格式将是
Nat
，我希望它也转换为统一格式。有什么可能的解决办法吗？谢谢大家!@MapleYu，是的，您不需要指定
格式
。这不是
pd.to\u datetime
的必需参数。例如，
pd.to_datetime（pd.Series（['15/12/2018'，'12/15/2018']），errors='concurve'）
将被正确读取。