如何在Pandas中将格式为‘2020-06-30 15:20:13.078196+00:00’的日期列转换为datetime类型？

看起来你遇到的核心问题是格式字符串和实际日期格式不匹配，咱们一步步来修正：

问题根源 #

你的日期字符串是2020-06-30 15:20:13.078196+00:00，但你之前用的格式里错误地用了T分隔日期和时间（比如%Y-%m-%dT%H:%M:%S），而实际数据里是空格分隔日期和时间；另外时区部分的格式符也不对，实际微秒后直接跟+00:00，不需要额外的点或冒号。

推荐解法（更高效的方式） #

直接用Pandas内置的pd.to_datetime，比apply+strptime性能好很多，而且大部分时候能自动识别格式：

# 方法1：自动识别格式（推荐，Pandas会自动解析这种标准格式）
df['date'] = pd.to_datetime(df['date_string'])

# 方法2：指定精确格式（如果自动识别出错时用）
df['date'] = pd.to_datetime(df['date_string'], format='%Y-%m-%d %H:%M:%S.%f%z')

如果一定要用datetime.strptime #

修正格式字符串即可，注意日期和时间之间是空格，时区部分用%z直接匹配+00:00：

from datetime import datetime
df['date'] = df['date_string'].apply(lambda s: datetime.strptime(s, '%Y-%m-%d %H:%M:%S.%f%z'))

排查格式不匹配的异常数据 #

如果还是有部分数据转换失败，可以加上errors='coerce'把不匹配的转为NaT（Pandas的缺失日期值），然后查看这些异常行：

df['date'] = pd.to_datetime(df['date_string'], format='%Y-%m-%d %H:%M:%S.%f%z', errors='coerce')
# 输出转换失败的行，方便排查格式问题
print(df[df['date'].isna()])

内容的提问来源于stack exchange，提问作者NPD