データフレームにおける日付型の変換はread_csv時にもできますが、読み込み後に変換の必要性がでてくると思います。
その際、pandasのto_datetimeを利用しますが、今回は、ダミーデータを作って動作を検証します。

ダミーデータの作成

import pandas as pd

df = pd.DataFrame({
    'test1' : np.array([1,2,3,4]),
    'test2' : np.array(['2013-01-02'] * 4)
})

ダミーデータ

In [20]: df
Out[20]:
   test1       test2
0      1  2013-01-02
1      2  2013-01-02
2      3  2013-01-02
3      4  2013-01-02
In [19]: df.dtypes
Out[19]:
test1     int64
test2    object
dtype: object

pd.to_datetimeを利用して日付型へ変換

df['test2'] = pd.to_datetime(df['test2'])

結果

In [22]: df
Out[22]:
   test1      test2
0      1 2013-01-02
1      2 2013-01-02
2      3 2013-01-02
3      4 2013-01-02
In [23]: df.dtypes
Out[23]:
test1             int64
test2    datetime64[ns]
dtype: object

検証したところ、read_csvのparse_datesオプションと同様に、色々な日付型に対応していました。

  • 2013/1/2のようなスラッシュ区切りの場合
  • 2013-1-2のような、月日の桁が2桁に統一されていない場合
  • 2013.01.02のような、ドット区切りの場合
  • 02.JAN.13のような、月が英語の省略になっている場合

pandasの日付パーサはかなり優秀のようなので、これは日付型に変換できるかな?と思ったらまずpd.to_datetimeで変換してみるのが良さそうです。
また、read_csvのparse_datesオプションと同様に特殊な日付型のフォーマットについては

df['test2'] = pd.to_datetime(df['test2'], format = '%Y-%d-%m')

のように、formatを指定する必要があります。