Pandas to_datetime函数行为随Series元素顺序变化的问题

问题现象 #

在验证「日[任意分隔符]月[任意分隔符]年」格式的日期时，使用pd.to_datetime(dayfirst=True, errors='coerce')会出现结果随Series元素顺序变化的异常：

当首元素为数字日期时：

import pandas as pd
foo = pd.Series(['01-01-2023','JAN-01-2023'])
print(pd.to_datetime(foo, dayfirst=True, errors='coerce').notnull())
# 输出：
# 0     True
# 1    False
# dtype: bool

当首元素为带月份缩写的日期时：

foo = pd.Series(['JAN-01-2023','01-01-2023'])
print(pd.to_datetime(foo, dayfirst=True, errors='coerce').notnull())
# 输出：
# 0    True
# 1    True
# dtype: bool

原因分析 #

这不是bug，而是pd.to_datetime的批量解析逻辑导致的：

• 批量处理时，pandas会优先根据第一个可成功解析的元素推断全局日期格式，后续所有元素都会沿用这个格式解析。
• 第一个案例中，首元素01-01-2023结合dayfirst=True被推断为DD-MM-YYYY格式，第二个元素JAN-01-2023不符合该格式（首段是月份缩写而非数字日期），因此被强制转为NaT，返回False。
• 第二个案例中，首元素JAN-01-2023被明确识别为MMM-DD-YYYY格式，此时dayfirst=True的优先级被覆盖，后续的01-01-2023会按MM-DD-YYYY解析，自然能通过验证。

高性能解决方案 #

避免使用逐行apply的低性能方案，可通过显式指定所有目标格式让pandas严格按规则解析，而非自动推断：

import pandas as pd
from functools import reduce

def validate_dates(series):
    # 定义所有符合「日[分隔符]月[分隔符]年」的格式，可按需扩展分隔符和格式
    target_formats = [
        '%d-%m-%Y', '%d-%b-%Y',
        '%d/%m/%Y', '%d/%b/%Y',
        '%d.%m.%Y', '%d.%b.%Y'
    ]
    # 用每种格式尝试解析，保留能成功解析的结果
    parsed_dates = [pd.to_datetime(series, format=f, errors='coerce') for f in target_formats]
    # 合并所有解析结果，填充NaN
    combined_dates = reduce(lambda x, y: x.fillna(y), parsed_dates)
    return combined_dates.notnull()

# 测试不同顺序的Series
foo1 = pd.Series(['01-01-2023','JAN-01-2023'])
foo2 = pd.Series(['JAN-01-2023','01-01-2023'])
print(validate_dates(foo1))
print(validate_dates(foo2))
# 两个测试统一输出：
# 0     True
# 1    False
# dtype: bool

该方案保持了pandas的矢量化处理性能，同时严格遵循「日在前」的格式规则，不受元素顺序影响。

内容的提问来源于stack exchange，提问作者Raul Macedo