Python Pandas中如何将'20180227'类字符串转为日期格式？

出现这种问题的核心原因是：pd.to_datetime默认自动推断日期格式时，对'20180227'这类连续数字字符串的解析逻辑出现偏差，误将其识别为Unix时间戳（从1970-01-01开始的秒数），从而生成1970年附近的错误日期。

以下是具体的解决方法：

1. 明确指定日期格式（最直接有效） #

既然已知字符串是YYYYMMDD格式，直接通过format参数告诉Pandas解析规则，就能精准转换：

import pandas as pd

# 示例数据
df = pd.DataFrame({'colname': ['20180227', '20201231', '20190615']})
# 转换日期格式
df['colname'] = pd.to_datetime(df['colname'], format='%Y%m%d')

其中%Y代表4位年份，%m是2位月份，%d是2位日期，完全匹配你的字符串格式。

2. 处理列中的无效数据 #

如果列内存在不符合YYYYMMDD格式的内容（比如长度不对、非法日期），解析会抛出错误。可以通过errors参数控制处理逻辑：

• errors='coerce'：将无效值转为NaT（日期类型的空值）
• errors='ignore'：保留原始字符串不进行转换
• errors='raise'：默认行为，直接抛出错误终止程序

示例代码：

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

3. 确保列数据类型为字符串 #

如果你的列存储的是整数而非字符串，也可能导致解析错误。先将列转为字符串再处理：

df['colname'] = pd.to_datetime(df['colname'].astype(str), format='%Y%m%d')

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