使用to_datetime函数，指定与数据匹配的format。

raw_data['Mycol'] =  pd.to_datetime(raw_data['Mycol'], format='%d%b%Y:%H:%M:%S.%f')

如果要转换多列，可以执行以下操作：

df[["col1", "col2", "col3"]] = df[["col1", "col2", "col3"]].apply(pd.to_datetime)

您可以使用DataFrame方法.apply()对Mycol中的值进行操作：

>>> df = pd.DataFrame(['05SEP2014:00:00:00.000'],columns=['Mycol'])
>>> df
                    Mycol
0  05SEP2014:00:00:00.000
>>> import datetime as dt
>>> df['Mycol'] = df['Mycol'].apply(lambda x: 
                                    dt.datetime.strptime(x,'%d%b%Y:%H:%M:%S.%f'))
>>> df
       Mycol
0 2014-09-05

使用pandas to_datetime函数将列解析为DateTime，并且通过使用infer_datetime_format=True，它将自动检测格式并将提到的列转换为DateTime。

import pandas as pd
raw_data['Mycol'] =  pd.to_datetime(raw_data['Mycol'], infer_datetime_format=True)

chrisb的answer工作原理：

raw_data['Mycol'] =  pd.to_datetime(raw_data['Mycol'], format='%d%b%Y:%H:%M:%S.%f')

但是，它会导致Python警告“A value is trying to be set on a copy of a slice from a DataFrame”。请尝试改用.loc[row_indexer,col_indexer] = value
我猜这是由于一些链接索引。

节省时间：

raw_data['Mycol'] =  pd.to_datetime(raw_data['Mycol'])

就像我们将对象数据类型转换为float或int一样。使用astype（）

raw_data['Mycol']=raw_data['Mycol'].astype('datetime64[ns]')