使用try-except处理混合日期格式仍抛ValueError问题求助

问题原因分析 #

你原代码的核心问题是批量处理整列时的异常捕获逻辑失效：

• pd.to_datetime对整列操作时，只要有一个元素不符合指定格式，就会直接抛出ValueError触发except块；
• 但except块中再次对整列执行pd.to_datetime('%m/%d/%Y')时，列中存在像23/11/2022这样的元素（23作为月份超出1-12范围），同样会抛出ValueError，而你没有对except块内的操作做二次捕获，所以最终还是报错；
• 同时，这种批量替换的逻辑也无法实现你想要的**统一格式为dd/mm/yyyy**的目标，因为符合第一种格式的元素会被第二种格式错误解析后保留原字符串格式。

两种可行解决方案 #

方案一：利用errors='coerce'分批次解析（推荐，性能更优） #

通过先尝试一种格式解析，将失败的标记为NaT，再对NaT的行用另一种格式解析，最后统一格式化：

import pandas as pd

date_df = pd.DataFrame({'timestamp':['11/23/2022', '23/11/2022']})

# 第一步：尝试按d/m/y解析，失败项设为NaT
date_df['datetime'] = pd.to_datetime(date_df['timestamp'], format='%d/%m/%Y', errors='coerce')
# 第二步：筛选出未解析成功的行，按m/d/y解析
unparsed_mask = date_df['datetime'].isna()
date_df.loc[unparsed_mask, 'datetime'] = pd.to_datetime(date_df.loc[unparsed_mask, 'timestamp'], format='%m/%d/%Y')
# 第三步：统一格式为dd/mm/yyyy字符串
date_df['timestamp'] = date_df['datetime'].dt.strftime('%d/%m/%Y')
# 清理中间列
date_df = date_df.drop('datetime', axis=1)

print(date_df)

执行后输出：

timestamp
0  23/11/2022
1  23/11/2022

方案二：自定义函数逐个解析（逻辑更直观） #

写一个处理单个日期字符串的函数，用try-except逐个处理每个元素，再通过apply应用到整列：

import pandas as pd

def parse_single_date(date_str):
    try:
        # 优先尝试d/m/y格式
        dt_obj = pd.to_datetime(date_str, format='%d/%m/%Y')
    except ValueError:
        # 失败则尝试m/d/y格式
        dt_obj = pd.to_datetime(date_str, format='%m/%d/%Y')
    # 统一返回dd/mm/yyyy格式的字符串
    return dt_obj.strftime('%d/%m/%Y')

date_df = pd.DataFrame({'timestamp':['11/23/2022', '23/11/2022']})
date_df['timestamp'] = date_df['timestamp'].apply(parse_single_date)

print(date_df)

此方案同样能得到你期望的结果。

内容的提问来源于stack exchange，提问作者hyeri