改变格式但不改变类型:

df['date'] = pd.to_datetime(df["date"].dt.strftime('%Y-%m'))

下面的代码为我工作，而不是前面的一个:

df['DOB']=pd.to_datetime(df['DOB'].astype(str), format='%m/%d/%Y')

两者之间是有区别的

数据帧单元格的内容(二进制值)和 它为我们人类呈现(展示)它。

因此，问题是:如何在不更改数据/数据类型本身的情况下实现数据的适当表示?

以下是答案:

如果您使用Jupyter笔记本显示您的数据框架，或 如果你想要以HTML文件的形式呈现(即使有许多准备好的多余的id和class属性用于进一步的CSS样式—你可能会使用它们，也可能不会使用它们)，

使用样式。样式化不会改变数据框架中列的数据/数据类型。

现在我向你展示如何在Jupyter笔记本上找到它-以HTML文件的形式进行演示，请参阅这个答案末尾的注释。

我假设您的列DOB已经具有datetime64类型(您已经表明您知道如何达到它)。我准备了一个简单的数据框架(只有一列)，向你展示一些基本的样式:

风格: df

出生日期 0 2019-07-03 1 2019-08-03 2 2019-09-03 3 2019-10-03

样式为mm/dd/yyyy: df.style。format({"DOB": lambda t: t.s rftime("%m/%d/%Y")})

强加于人 0 07/03/2019 1 08/03/2019 2 09/03/2019 3 10/03/2019

样式为dd-mm-yyyy: df.style。format({"DOB": lambda t: t.s rftime("%d-%m-%Y")})

DOB 0 03-07-2019 1 03-08-2019 2 03-09-2019 3 03-10-2019

小心! 返回的对象不是一个dataframe——它是Styler类的一个对象，所以不要把它赋值给df:

不要这样做:

df = df.style.format({"DOB": lambda t: t.strftime("%m/%d/%Y")})    # Don't do this!

(每个dataframe都有它的Styler对象，可以通过它的.style属性访问，我们改变了这个df。样式对象，而不是数据框架本身。)

问题和答案:

问:为什么你的Styler对象(或一个返回它的表达式)被用作Jupyter笔记本单元格的最后一个命令显示你的(有样式的)表格，而不是Styler对象本身? 答:因为每个Styler对象都有一个回调方法._repr_html_()，它返回一个HTML代码来渲染你的数据帧(作为一个漂亮的HTML表)。 Jupyter Notebook IDE自动调用此方法来渲染具有该方法的对象。

注意:

你不需要Jupyter笔记本的样式(即，在不改变其数据/数据类型的情况下输出一个数据框架)。

Styler对象也有一个方法render()，如果你想用HTML代码获取一个字符串(例如，用于在Web上发布格式化的数据帧，或者简单地以HTML格式显示你的表):

df_styler = df.style.format({"DOB": lambda t: t.strftime("%m/%d/%Y")})
HTML_string = df_styler.render()

下面的代码更改为'datetime'类型，并在给定的格式字符串中格式化。

df['DOB'] = pd.to_datetime(df['DOB'].dt.strftime('%m/%d/%Y'))

与第一个答案相比，我建议首先使用dt.strftime()，然后使用pd.to_datetime()。通过这种方式，它仍然会产生datetime数据类型。

例如,

import pandas as pd

df = pd.DataFrame({'DOB': {0: '26/1/2016 ', 1: '26/1/2016 '})
print(df.dtypes)

df['DOB1'] = df['DOB'].dt.strftime('%m/%d/%Y')
print(df.dtypes)

df['DOB1'] = pd.to_datetime(df['DOB1'])
print(df.dtypes)

你可以用dt。如果你需要将datetime转换为其他格式，则使用Strftime(但注意，列的dtype将为object (string)):

import pandas as pd

df = pd.DataFrame({'DOB': {0: '26/1/2016', 1: '26/1/2016'}})
print (df)
         DOB
0  26/1/2016 
1  26/1/2016

df['DOB'] = pd.to_datetime(df.DOB)
print (df)
         DOB
0 2016-01-26
1 2016-01-26

df['DOB1'] = df['DOB'].dt.strftime('%m/%d/%Y')
print (df)
         DOB        DOB1
0 2016-01-26  01/26/2016
1 2016-01-26  01/26/2016