如何将不同格式的字符串（YYYY-MM-DD，DD-MM-YYYY）转换为pandas中一种格式的日期对象？

Question

我有一个字符串对象列，其中包含不同的格式（YYYY-MM-DD，DD-MM-YYYY）。如何转换为日期对象的DD-MM-YYYY。

我试过了， df ['accepted_date'] = pd.to_datetime（df ['accepted_date']，format ='％d-％m-％Y'）

我得到了错误 时间数据'1899-12-31'与格式'％d-％m-％Y'（匹配）

不匹配

谢谢，

Answer 1

让pandas解析日期，但是应该交换几天的月份：

response.product

使用格式和参数0的{​​{3}}会更好，对于非匹配，只返回与df['accepted_date'] = pd.to_datetime(df['accepted_date']) 匹配的日期时间。最后一次使用to_datetime加入所有errors='coerce' - NaT将替换为另一个Series的值：

NaT

<强>详细：

Series

编辑：

另一个解决方案是使用参数df = pd.DataFrame({'accepted_date':['2017-01-02','07-08-2017','20-03-2017','2017-01-04']}) d1 = pd.to_datetime(df['accepted_date'], format='%d-%m-%Y', errors='coerce') d2 = pd.to_datetime(df['accepted_date'], format='%Y-%m-%d', errors='coerce') df['accepted_date1'] = d1.combine_first(d2) df['accepted_date2'] = pd.to_datetime(df['accepted_date']) print (df) accepted_date accepted_date1 accepted_date2 0 2017-01-02 2017-01-02 2017-01-02 1 07-08-2017 2017-08-07 2017-07-08 <-swapped dd-mm 2 20-03-2017 2017-03-20 2017-03-20 3 2017-01-04 2017-01-04 2017-01-04 ：

print (d1)
0          NaT
1   2017-08-07
2   2017-03-20
3          NaT
Name: accepted_date, dtype: datetime64[ns]

print (d2)
0   2017-01-02
1          NaT
2          NaT
3   2017-01-04
Name: accepted_date, dtype: datetime64[ns]