Pandas to_datetime处理混合日期格式报错及NaT问题求助

问题场景 #

DataFrame日期列同时存在两种格式：

• 常规格式：YYYY-MM-DD HH:MM
• ISO8601格式：YYYY-MM-DDTHH:MM:SS±HH:MM（如2022-03-04T23:00:00+01:00）

遇到的问题：

1. 直接调用pd.to_datetime()转换后，调用.dt.time报错：Can only use .dt accessor with datetimelike values
2. 添加format='mixed'参数后，所有值变为NaT，单一格式数据也无法正常转换

解决方案 #

方案1：升级Pandas并直接转换 #

较新版本的Pandas（>=1.5.0）已支持自动识别这两种混合格式，无需额外参数：

import pandas as pd

d = {'Timestamp': ['2022-03-05T23:00:00+01:00', '2022-03-04T20:00:00+01:00', '2024-04-13 13:00']}
df = pd.DataFrame(data=d)

# 直接转换日期列，errors='coerce'将无法识别的值转为NaT
df['Timestamp'] = pd.to_datetime(df['Timestamp'], errors='coerce')

# 正常提取时分信息，也可访问其他datetime属性（如.dt.date、.dt.hour）
print(df['Timestamp'].dt.time)

方案2：分批次转换（兼容旧版Pandas） #

如果无法升级Pandas，可分两步处理未转换的格式：

import pandas as pd

d = {'Timestamp': ['2022-03-05T23:00:00+01:00', '2022-03-04T20:00:00+01:00', '2024-04-13 13:00']}
df = pd.DataFrame(data=d)

# 第一步：转换可自动识别的格式，保留无法识别的原始字符串
df['Timestamp'] = pd.to_datetime(df['Timestamp'], errors='ignore')

# 第二步：筛选出未转换的object类型值，单独转换
mask = df['Timestamp'].dtype == object
df.loc[mask, 'Timestamp'] = pd.to_datetime(df.loc[mask, 'Timestamp'], errors='coerce')

# 正常访问datetime属性
print(df['Timestamp'].dt.time)

关于format='mixed'的说明 #

format='mixed'要求所有日期字符串必须匹配推断出的单一格式，混合多种格式时会导致推断失败，因此所有值转为NaT，不适合当前场景。

内容的提问来源于stack exchange，提问作者croessler