使用pd.to_datetime转换DataFrame日期列全为NaT的问题

你的问题核心出在时区格式的匹配逻辑上：你的日期字符串是'1979-01-01 00:00:00 +0000 UTC'，虽然你指定的format='%Y-%m-%d %H:%M:%S %z %Z'看起来逻辑对应，但pandas的to_datetime对%Z（时区名称，比如UTC）的支持在部分版本中并不完善，导致整个解析失败返回NaT。

给你几个可行的解决方案：

方案1：让pandas自动解析（最简单） #

这个格式属于标准的带时区日期格式，pandas本身可以自动识别，不需要手动指定format：

df['date'] = pd.to_datetime(df['date'], errors='coerce')

方案2：手动指定格式，剥离时区名称部分 #

如果一定要手动控制解析逻辑，可以先把字符串末尾的UTC去掉，只保留时区偏移+0000，再用%z解析：

# 拆分字符串，去掉最后一个空格后的UTC部分
df['date_clean'] = df['date'].str.rsplit(' ', 1).str[0]
# 转换为datetime类型
df['date'] = pd.to_datetime(df['date_clean'], format='%Y-%m-%d %H:%M:%S %z', errors='coerce')

方案3：使用dateutil.parser进行灵活解析 #

如果pandas的自动解析还是有问题，可以借助dateutil库的解析器，它对各种日期格式的兼容性更好：

from dateutil import parser

df['date'] = df['date'].apply(lambda x: parser.parse(x) if pd.notna(x) else pd.NaT)

优先试试方案1，大部分情况下都能解决问题；如果不行再尝试方案2或3。

内容的提问来源于stack exchange，提问作者Katarzyna