如何解决Pandas中混合格式文本日期列的转换报错问题？

你的示例代码执行报错，核心原因是0-Jan-00中的日为0，这是无效的日期值（日期的日范围应为1-31），而非单纯的混合格式问题。不过针对混合有效日期格式，以及包含无效值的场景，Pandas有对应的处理方法：

1. 处理混合有效日期格式 #

如果所有日期都是合法格式（比如将0-Jan-00改为1-Jan-00），直接调用pd.to_datetime()即可，它会自动推断多种常见日期格式：

import pandas as pd
pd.to_datetime(['1-Jan-00', '8/23/1999'])
# 输出：DatetimeIndex(['2000-01-01', '1999-08-23'], dtype='datetime64[ns]', freq=None)

2. 处理含无效值的混合格式 #

如果存在像0-Jan-00这类无效日期，或部分格式无法自动推断，可通过以下方式处理：

• 方式一：用errors参数处理无效值
  指定errors='coerce'将无效日期转换为NaT（Not a Time），后续可根据需求补全或过滤：

  pd.to_datetime(['0-Jan-00', '8/23/1999'], errors='coerce')
  # 输出：DatetimeIndex(['NaT', '1999-08-23'], dtype='datetime64[ns]', freq=None)
  

• 方式二：自定义格式列表逐个解析
  若明确知道所有可能的日期格式，可循环尝试每个格式进行解析，最后合并结果：

  dates = ['0-Jan-00', '8/23/1999']
  formats = ['%d-%b-%y', '%m/%d/%Y']
  parsed_dates = pd.Series([None]*len(dates))
  
  for fmt in formats:
      mask = parsed_dates.isna()
      parsed_dates.loc[mask] = pd.to_datetime(dates, format=fmt, errors='coerce')[mask]
  
  # 可选：手动补全无效值（比如将0日替换为当月1日）
  parsed_dates = parsed_dates.fillna(pd.to_datetime(['1-Jan-00']*len(dates), format='%d-%b-%y'))
  

• 方式三：使用dateutil.parser兼容非标准格式
  dateutil.parser对非标准日期格式的兼容性更强，甚至能自动修正0-Jan-00这类无效值（将0日转为当月1日）：

  from dateutil import parser
  parsed_dates = pd.Series([parser.parse(d) for d in ['0-Jan-00', '8/23/1999']])
  # 输出：0   2000-01-01
  #      1   1999-08-23
  #      dtype: datetime64[ns]
  

内容的提问来源于stack exchange，提问作者Bogaso