Python Pandas转换日期格式：将yyyy/m/d转换为yyyymmdd

大数据时代的网络到处堆积着数据，自由生长，没有标准，即使是一个日期，就有好几种格式。比如某个网站有一年内的美元人民币汇率历史数据（已下载成excel文件，用pd.read_excel语句转成dataframe），日期的格式如图一：

data = pd.read_excel('美元人民币.xlsx', sheet_name='HistoryExchangeReport')
data = data[['日期', '比率']] 

平时处理的日期格式通常是yyyymmdd，或是yyyy-mm-dd。Excel没法简单地实现。在网上查python，也没有很好的办法，只能自己冥思苦想了一天有余，终于让我找到解决之道。一共用了6句语句，就达到了目的。

我使用python pandas有一年有余，并熟悉字符操作和lambda函数，才找到这个方法，所以想分享自己的经验。

下面4句的作用就是根据日期列生成year、 month、 day列，使用了if语句，如果月或日的长度为1，前面就加0，这样一位数就转换成两位数了，效果如图二。

data['日期'] = data['日期'].str.split('/')
data['year'] = data['日期'].apply(lambda x: x[0])
data['month'] = data['日期'].apply(lambda x: x[1] if len(x[1]) == 2 else str(0) + x[1])
data['day'] = data['日期'].apply(lambda x: str(0) + x[2][0:-4] if len(x[2][0:-4]) == 1 else x[2][0:-4])

接着将year、 month、 day列合成新列“trade_date”，格式就是yyyymmdd。

data['trade_date'] = data['year'] + data['month'] + data['day']

最后只取所需要的列，效果见图四。

data = data[['trade_date', '比率']]

推荐一篇Python Pandas教程。学好pandas, 各种数据分析都不怕！