多格式datetime列转换失败求助：含AM/PM与24小时制时间

方法1：用Pandas多格式匹配（1.3.0+版本可用） #

Pandas 1.3.0之后支持给pd.to_datetime的format参数传入格式列表，直接覆盖两种目标格式：

import pandas as pd

# 定义两种待匹配的日期格式
date_formats = [
    '%Y-%m-%dT%H:%M:%SZ',  # 对应2023-01-25T20:08:38Z格式
    '%B %d, %Y, %I:%M %p'  # 对应January 25, 2023, 8:08 PM格式
]

# 执行转换，errors='coerce'将无效值转为NaT，方便后续清理
df['column_name'] = pd.to_datetime(df['column_name'], format=date_formats, errors='coerce')

Pandas会自动依次尝试每个格式匹配字符串，成功转换后统一为datetime类型，仅真正无效的日期值会生成NaT。

方法2：低版本Pandas兼容方案 #

如果你的Pandas版本不支持多格式列表，可分两次转换再合并结果：

# 转换第一种格式，无法匹配的保留NaT
df['temp_fmt1'] = pd.to_datetime(df['column_name'], format='%Y-%m-%dT%H:%M:%SZ', errors='coerce')
# 转换第二种格式
df['temp_fmt2'] = pd.to_datetime(df['column_name'], format='%B %d, %Y, %I:%M %p', errors='coerce')
# 合并两列，优先取第一列的有效值，空缺用第二列补充
df['column_name'] = df['temp_fmt1'].combine_first(df['temp_fmt2'])
# 删除临时辅助列
df.drop(['temp_fmt1', 'temp_fmt2'], axis=1, inplace=True)

后续清理操作 #

转换完成后，可直接执行以下代码删除包含NaT/NA值的列：

df = df.dropna(axis=1, how='any')

若仅需删除目标日期列存在NaT的行，可使用：

df = df.dropna(subset=['column_name'])

格式参数说明 #

• %Y：4位年份，%m：2位月份，%d：2位日期
• %H：24小时制小时，%I：12小时制小时
• %M：分钟，%S：秒
• %B：完整月份名称（如January），%p：AM/PM标识

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