使用pandas.to_datetime转换日期列时遇ValueError问题求助

以下是常见的排查方向和解决方法：

• 定位数据中的异常值
  报错里的'X'只是示例，实际数据中大概率存在不符合格式的内容，比如：

  • 混合了不同格式的日期（部分用四位年份%Y，但你指定了两位年份%y）
  • 包含非日期字符串（空格、字母、特殊符号）或缺失值
  • 时间部分非法（比如12小时制带AM/PM但格式未声明，或分钟数超过59）
    可以用这段代码快速找出异常行：

  # 生成转换失败则为NaN的临时列
  df['datetime_temp'] = pd.to_datetime(df['目标列'], errors='coerce')
  # 筛选出转换失败的原数据行
  invalid_rows = df[df['datetime_temp'].isna()]
  print(invalid_rows['目标列'])
  

• 核对格式字符串的准确性
  确保格式符和数据完全匹配：

  • 分隔符：数据里是/还是-？空格、冒号的位置是否和格式一致？比如数据是01-02-23 13:45，用%m/%d/%y %H:%M必然报错
  • 格式符对应：%m是两位月份（如01），如果数据是单数字月份（如1），Linux下用%-m、Windows下用%#m忽略前导零；%H是24小时制，若数据是12小时制需改用%I并加上%p匹配AM/PM

• 尝试自动推断格式
  暂时去掉手动指定的format参数，添加infer_datetime_format=True让pandas自动识别格式：

  df['目标列'] = pd.to_datetime(df['目标列'], infer_datetime_format=True)
  

  如果转换成功，可以通过查看转换后日期的格式反推正确的格式字符串，再替换回去提升批量转换效率。

内容的提问来源于stack exchange，提问作者user22234214