Pandas日期格式不匹配及布尔索引歧义错误排查求助

数据样例 #

test.csv内容：

date,time
26-02-2024,8:01
26-02-2024,8:01
26-02-2024,7:59
26-02-2024,7:59
26-02-2024,7:56
26-02-2024,7:55
26-02-2024,7:55
26-02-2024,7:53
26-02-2024,7:52
26-02-2024,7:52

错误1：datetime.strptime处理整列报错 #

原代码：

df = df[(datetime.strptime(str(df['date']),'%Y-%m-%d') <= datetime.now())]

报错原因：datetime.strptime仅支持处理单个字符串，你把整个df['date']列转成带索引的字符串后传入，它无法解析这种格式。

解决方式：改用pandas的pd.to_datetime批量转换日期列，再执行筛选逻辑。

错误2：日期格式不匹配导致转换失败 #

原代码：

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

报错原因：你的日期是日-月-年格式（如26-02-2024），但指定的格式参数是%Y-%m-%d（年-月-日），格式不匹配导致转换失败；添加errors='coerce'后，不匹配的日期会被强制转为NaN，所以整列全为null。

解决方式：将格式参数改为对应日-月-年的%d-%m-%Y：

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

执行后date列会被正确转换为datetime类型。

错误3：链式比较导致布尔值歧义 #

原筛选代码：

df = df[ pd.to_datetime(start_date,format='%d-%m-%Y') <= pd.to_datetime(df['date'], format='%d-%m-%Y') <= pd.to_datetime(end_date,format='%d-%m-%Y')]

报错原因：pandas中不能直接使用a <= b <= c的链式比较逻辑，因为Series的布尔比较结果是布尔Series，链式比较会导致真假判断歧义。

解决方式：拆分两个比较条件，用&（逻辑与）连接，且每个条件需加括号：

# 先将起止日期转为datetime类型
start_dt = pd.to_datetime(start_date, format='%d-%m-%Y')
end_dt = pd.to_datetime(end_date, format='%d-%m-%Y')

# 拆分条件并筛选
df = df[(df['date'] >= start_dt) & (df['date'] <= end_dt)]

注意：此时df['date']已为datetime类型，无需重复转换。

完整正确代码示例 #

import pandas as pd
from datetime import datetime

# 读取数据并清理列名
df = pd.read_csv('test.csv')
df.columns = df.columns.str.strip()

# 转换日期列
df['date'] = pd.to_datetime(df['date'], format='%d-%m-%Y')

# 定义起止日期（替换为实际需求值）
start_date = "25-02-2024"
end_date = "27-02-2024"
start_dt = pd.to_datetime(start_date, format='%d-%m-%Y')
end_dt = pd.to_datetime(end_date, format='%d-%m-%Y')

# 筛选日期范围内的数据
df_filtered = df[(df['date'] >= start_dt) & (df['date'] <= end_dt)]
print(df_filtered)

内容的提问来源于stack exchange，提问作者Md. Parvez Alam