在 Pandas 中，有多种方法可以对 datetime 类型进行格式化字符串操作。 ### 使用 `pd.to_datetime` 进行字符串到 datetime 类型转换及格式化 `pd.to_datetime` 函数可将字符串转换为 Pandas 的时间数据类型，也能指定特定的时间格式。例如将 “Date” 列中的所有时间转换为 Pandas 的时间数据类型，可指定格式 `%Y-%m-%d %H:%M:%S`： ```python import pandas as pd # 假设 df 是一个 DataFrame，有 'Date' 列 df['Date'] = pd.to_datetime(df['Date'], format='%Y-%m-%d %H:%M:%S') ``` 此方法可应用于读取 CSV 文件时对日期列进行格式化，如 `df['datetime']=pd.to_datetime(df['datetime'],format="%Y-%m-%dT%H:%M:%S.000Z")` [^1][^5]。 ### 使用 `strftime` 方法将 datetime 类型转换为字符串类型 `strftime` 可将 datetime 类型转换为字符串类型，与 `strptime` 功能相反。以下是一个示例，读取 CSV 文件并对日期列进行格式转换： ```python import pandas as pd from datetime import datetime empdata = pd.read_csv("C:\\Users\\qwy\\Desktop\\data\\empdata.csv") date_str = empdata.loc[:,'HIREDATE'] for d in date_str: print(f"转换前格式：{d},转换后的格式：{datetime.strftime(datetime.strptime(d,'%Y-%m-%d'),'%Y.%m.%d %H:%M:%S')}") ``` 这里 `strftime` 用于将 `datetime` 对象按照指定格式转换为字符串 [^2]。 ### 在 DataFrame 中对 datetime 列进行格式化 在 DataFrame 中，可对 datetime 列使用 `apply` 结合 `strftime` 进行格式化。例如将 `datetime` 列转换为 `'%Y%m%d'` 格式的字符串： ```python import datetime import pandas as pd dictDate = {'date': ['2019-11-01 19:30', '2019-11-30 19:00']} df = pd.DataFrame(dictDate) df['datetime'] = pd.to_datetime(df['date']) df['today'] = df['datetime'].apply(lambda x: x.strftime('%Y%m%d')) ``` 此代码将 `datetime` 列的日期转换为 `'%Y%m%d'` 格式的字符串 [^3]。 ### Python 内置的 `strptime` 方法辅助格式化 Python 内置的 `strptime` 方法可将字符串日期转换为 `datetime` 类型，结合 `strftime` 可实现不同格式的转换。示例如下： ```python from datetime import datetime date_str1 = 'Wednesday, July 18, 2020' date_str2 = '18/7/20' date_str3 = '18-07-2020' dmy_dt1 = datetime.strptime(date_str1, '%A,%B%d,%Y') dmy_dt2 = datetime.strptime(date_str2, '%d/%m/%y') dmy_dt3 = datetime.strptime(date_str3, '%d-%m-%Y') print(dmy_dt1) print(dmy_dt2) print(dmy_dt3) ``` 此代码先使用 `strptime` 将不同格式的字符串日期转换为 `datetime` 对象，再根据需要使用 `strftime` 进行格式化 [^4]。