使用pd.read_csv时如何自动解析所有未知列数/列名的日期列

针对多级索引CSV文件中日期列数量、列名不固定的情况，有三种实用解决方法：

方法1：先探测日期列再读取 #

先读取少量数据提取非索引列列表，再针对性解析日期：

# 读取表头和1行数据，获取所有非索引列（即日期列）
temp_df = pd.read_csv('file.csv', header=0, nrows=1, index_col=[0,1,2,3])
date_cols = temp_df.columns.tolist()
# 正式读取文件并解析所有日期列
df = pd.read_csv('file.csv', header=0, parse_dates=date_cols, dayfirst=True, index_col=[0,1,2,3])

方法2：自动识别日期列 #

如果日期列是pandas可识别的标准格式，直接开启自动解析（注意：若其他列存在类似日期的格式，可能会被误解析）：

df = pd.read_csv('file.csv', header=0, parse_dates=True, dayfirst=True, index_col=[0,1,2,3])

方法3：读取后批量转换 #

先读取全量数据，再对非索引列批量尝试转换为datetime类型，无法转换的列会保留原类型，兼容性更强：

# 先读取文件，暂不解析日期
df = pd.read_csv('file.csv', header=0, index_col=[0,1,2,3])
# 批量转换非索引列为datetime，忽略无法转换的列
df = df.apply(pd.to_datetime, dayfirst=True, errors='ignore')

内容的提问来源于stack exchange，提问作者ric