下面的代码将一个CSV文件加载到一个 Dataframe 中，检查每个值（str），看看它是否与某个日期格式匹配，如果匹配，则将日期重新排列为您要查找的格式。

import pandas as pd
import re

df = pd.read_csv("today.csv")
# compiling the patterns ahead of time saves a lot of processing power later
d_m_y = re.compile(r"(\d\d)-(\d\d)-(\d\d\d\d)")
d_m_y_replace = r"\2-\1-\3"
y_m_d = re.compile(r"(\d\d\d\d)-(\d\d)-(\d\d)")
y_m_d_replace = r"\2-\3-\1"

def change_dt(value):
    if isinstance(value, str):
        if d_m_y.fullmatch(value):
            return d_m_y.sub(d_m_y_replace, value)
        elif y_m_d.fullmatch(value):
            return y_m_d.sub(y_m_d_replace, value)
    return value

new_df = df.applymap(change_dt)

但是，如果有其他列包含您不想更改的日期，而您只想指定要更改的列，请使用以下内容而不是上面的最后一行：

cols = ["Execution_date", "Extract_date"]

for col in cols:
    if col in df.columns:
        df[col] = df[col].apply(change_dt)

如果愿意，可以将列转换为日期时间。

您可以使用函数检查所有包含"date"的列名，并使用. fillna尝试其他格式（添加所有可能的格式）。

import pandas as pd

def convert_to_datetime(df: pd.DataFrame, column_name: str) -> pd.DataFrame:
    for column in df.columns[df.columns.str.contains(column_name, case=False)]:
        df[column] = (
            pd.to_datetime(df[column], format="%d-%m-%Y", errors="coerce")
            .fillna(pd.to_datetime(df[column], format="%Y-%m-%d", errors="coerce"))
        ).dt.strftime("%m-%d-%Y")

    return df

data1 = {'Execution_date': '2023-01-15', 'Extract_date': '2023-01-15', 'Requestor_Name': "John Smith", 'Count': 7}
df1 = pd.DataFrame(data=[data1])

data2 = {'Execution_date': '17-01-2023', 'Requestor_Name': 'Andrew Mill', 'Count': 3}
df2 = pd.DataFrame(data=[data2])

final1 = convert_to_datetime(df=df1, column_name="date")
print(final1)
final2 = convert_to_datetime(df=df2, column_name="date")
print(final2)

输出：

Execution_date Extract_date Requestor_Name  Count
0     01-15-2023   01-15-2023     John Smith      7

  Execution_date Requestor_Name  Count
0     01-17-2023    Andrew Mill      3