当进行数据分析时，我们会遇到很多带有日期、时间格式的数据集，在处理这些数据集时，可能会遇到日期格式不统一的问题，此时就需要对日期时间做统一的格式化处理。比如“Wednesday, June 6, 2021”可以写成“6/6/20”，或者写成“06-06-2021。
日期格式化符号 在对时间进行格式化处理时，它们都有固定的表示格式，比如小时的格式化符号为%H ,分钟简写为%M ，秒简写为%S。下表对常用的日期格式化符号做了总结：

日期格式化符号 符号 说明
%y   两位数的年份表示（00-99）  
%Y   四位数的年份表示（000-9999）  
%m   月份（01-12）  
%d   月内中的一天（0-31）  
%H   24小时制小时数（0-23）  
%I   12小时制小时数（01-12）  
%M   分钟数（00=59）  
%S   秒（00-59）  
%a   本地英文缩写星期名称  
%A   本地英文完整星期名称  
%b   本地缩写英文的月份名称  
%B   本地完整英文的月份名称  
%w   星期（0-6），星期天为星期的开始  
%W   一年中的星期数（00-53）星期一为星期的开始  
%x   本地相应的日期表示  
%X   本地相应的时间表示  
%Z   当前时区的名称  
%U   一年中的星期数（00-53）星期天为星期的开始  
%j   年内的一天（001-366）  
%c   本地相应的日期表示和时间表示  
Python处理 Python 内置的 strptime() 方法能够将字符串日期转换为 datetime 类型，下面看一组示例： from datetime import datetime #将日期定义为字符串 date_str1 = 'Wednesday, July 18, 2021' date_str2 = '18/7/20' date_str3 = '18-07-2021' #将日期转化为datetime对象 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') #处理为相同格式，并打印输出 print(dmy_dt1) print(dmy_dt2) print(dmy_dt3) 输出结果： 2021-07-18 00:00:00 2021-07-18 00:00:00 2021-07-18 00:00:00 注意：strftime() 可以将 datetime 类型转换为字符串类型，恰好与 strptime() 相反。
Pandas处理 除了使用 Python 内置的 strptime() 方法外，你还可以使用 Pandas 模块的 pd.to_datetime() 和 pd.DatetimeIndex() 进行转换。 1) to_datetime() 通过 to_datetime() 直接转换为 datetime 类型 import pandas as pd import numpy as np date = ['2021-05-06 11:00:00','2021-05-16 11:00:00'] pd_date=pd.to_datetime(date) df=pd.Series(np.random.randn(2),index=pd_date) 输出结果： 2021-05-06 11:00:00 0.189865 2021-05-16 11:00:00 1.052456 dtype: float64 2) DatetimeIndex() 使用 Datetimeindex() 函数设置时间序，示例如下： date = pd.DatetimeIndex(['1/1/2021', '1/2/2021', '1/3/2021', '1/4/2021', '1/5/2021']) dt = pd.Series(np.random.randn(5),index = date) print(dt) 输出结果： 2021-01-01 1.965619 2021-01-02 -2.897374 2021-01-03 0.625929 2021-01-04 1.204926 2021-01-05 1.755680 dtype: float64