我只是在自己学习熊猫，我遇到了一些问题。
在从csv文件读取的DataFrame中，我有一列包含日期数据，该日期数据的格式不同（例如'%m/%d/%Y'和'%Y-%m-%d'，可能为空。）并且我想统一此列的格式。但是我不知道是否还有其他格式。因此，当我使用pd.to_datetime()时，它会出现一些错误，例如格式不匹配和数据不及时。如何统一此列的格式？
我已将该列的一部分转换为datetime dtype，它的格式为YYYY-mm-dd。我可以保留datetime dtype并将格式更改为'%m/%d/%Y'吗？我使用过pd.dt.strftime()，它将更改格式，但还将dtype更改为str，而不保留datetime dtype。
答案 0 :(得分：2)
因此，当我使用pd.to_datetime（）时，它引发了一些错误，例如格式不 匹配且不符合时间要求的数据。如何统一此格式 专栏？
使用errors='coerce'选项为未转换的值返回NaT（不是时间）。还要注意，format参数不是必需的。省略它会使熊猫尝试多种格式，否则它将恢复为NaT 1 。例如：
df['datetime'] = pd.to_datetime(df['datetime'], errors='coerce')
当心，混合类型可能会被错误解释。例如，Python如何知道05/06/2018是6月5日还是5月6日？将应用约定顺序，如果需要更好的控制，则需要自己应用自定义顺序。
我可以保留datetime dtype，并将格式更改为'％m /％d /％Y'吗？
不，您不能。 datetime系列在内部存储为整数。任何人类可读的日期表示形式都是表示形式，而不是基础整数。要访问自定义格式，可以使用Pandas中可用的方法。您甚至可以将这样的文本表示形式存储在pd.Series变量中：
formatted_dates = df['datetime'].dt.strftime('%m/%d/%Y')
dtype中的formatted_dates将是object，这表明您系列的元素指向任意Python时间。在这种情况下，那些任意类型碰巧都是字符串。
最后，我强烈建议您不要将datetime系列转换为字符串，直到工作流程的最后一步。这是因为，一旦您这样做，您将不再能够在这样的系列上使用高效的矢量化运算。
1 这会牺牲性能并与datetime.strptime（需要要指定的格式）形成对比。在内部，Pandas使用dateutil库，如docs所示。