我只是在学习熊猫，我遇到了一些问题。
'%m/%d/%Y'和'%Y-%m-%d'，可能是空白的。）我希望统一此列的格式。但我不知道是否还有其他格式。因此，当我使用pd.to_datetime()时，它引发了一些错误，例如格式不匹配而不是时间数据。如何统一此列的格式？YYYY-mm-dd格式。我可以保留datetime dtype，并将格式更改为'%m/%d/%Y'吗？我使用过pd.dt.strftime()，它会更改格式，但也会将dtype更改为str，而不是保留datetime dtype。因此，当我使用pd.to_datetime（）时，它引发了一些错误，例如格式不匹配而不是时间数据。如何统一此列的格式？
使用errors='coerce'选项可以返回非转换值的NaT（非时间）。另请注意，format参数不是必需的。省略它将使Pandas能够尝试多种格式，否则它将恢复为NaT1。例如：
df['datetime'] = pd.to_datetime(df['datetime'], errors='coerce')
请注意，混合类型可能会被错误地解释。例如，Python将如何知道05/06/2018是6月5日还是5月6日？将应用一系列约定，如果您需要更好的控制，您将需要自己应用自定义订购。
我可以保留日期时间dtype，并将格式更改为'％m /％d /％Y'吗？
你不能。 datetime系列内部存储为整数。任何人类可读的日期表示只是表示，而不是基础整数。要访问自定义格式，您可以使用Pandas中提供的方法。您甚至可以将这样的文本表示存储在pd.Series变量中：
formatted_dates = df['datetime'].dt.strftime('%m/%d/%Y')
dtype的formatted_dates将是object，这表明你的系列元素指向任意Python时代。在这种情况下，那些任意类型碰巧都是字符串。
最后，我强烈建议您在工作流程的最后一步之前不要将datetime系列转换为字符串。这是因为一旦你这样做，你将不再能够在这样的系列上使用高效的矢量化操作。
1这将牺牲性能并与datetime.strptime形成对比，后者需要指定格式。在内部，Pandas使用dateutil库，如docs所示。