解析多格式日期列遇错误：pandas转换datetime失败

问题说明 #

DataFrame内同时存在dd/mm/yy和dd/mm/yyyy两种格式的日期，使用pd.to_datetime转换时触发如下错误：

ValueError: time data "02/11/21" doesn't match format "%m/%d/%Y", at position 129. You might want to try:

• passing format if your strings have a consistent format;
• passing format='ISO8601' if your strings are all ISO8601 but not necessarily in exactly the same format;
• passing format='mixed', and the format will be inferred for each element individually. You might want to use dayfirst alongside this.

若执行以下代码：

df['date_column'] = pd.to_datetime(df['date_column'], format='%m/%d/%Y', errors='coerce')

会导致多数日期值被转换为NaT（缺失时间值）。

解决方案 #

方法1：用format='mixed'配合dayfirst=True #

你的日期是日在前、月在后的格式，且存在两位/四位年份混合的情况，直接让pandas自动推断格式，同时明确日在前的规则：

df['date_column'] = pd.to_datetime(df['date_column'], format='mixed', dayfirst=True)

方法2：省略format，直接指定dayfirst=True #

如果日期格式统一为dd/mm/yy或dd/mm/yyyy，可以依赖pandas的自动推断，只需明确日在前：

df['date_column'] = pd.to_datetime(df['date_column'], dayfirst=True)

方法3：分格式逐步转换（应对复杂场景） #

若自动推断失效，可手动针对两种格式分别转换，再合并结果：

# 先转换dd/mm/yyyy格式的日期
df['date_column'] = pd.to_datetime(df['date_column'], format='%d/%m/%Y', errors='coerce')
# 对未转换成功的NaT值，用dd/mm/yy格式重新转换
mask = df['date_column'].isna()
df.loc[mask, 'date_column'] = pd.to_datetime(df.loc[mask, 'date_column'], format='%d/%m/%y', errors='coerce')

关键原因 #

之前使用format='%m/%d/%Y'是错误的——该格式代表月/日/年，和你的日/月/年格式完全不匹配，因此大部分数据无法被正确解析，最终变成NaT。

内容的提问来源于stack exchange，提问作者Romi