单一行DataFrame执行pd.to_datetime报错问题咨询

为啥单行就报错，多行没事？ #

其实核心问题出在pandas对空列的类型推断上：

• 当你的DataFrame只有一行时，END_DATE列里的空值会被pandas默认识别成float类型的NaN（因为单列单行空值的默认 dtype 是float64）。而pd.to_datetime在处理单个float类型的NaN时，就会抛出你看到的这个错误。
• 但如果是多行DataFrame，哪怕有多个空值，pandas会把列的 dtype 推断为object，这时候pd.to_datetime能正常把空值转换成时间类型的空值NaT，自然就不会报错了。

几种快速解决的办法 #

这里给你整理了几个靠谱的方案，随便挑一个都能解决：

• 给pd.to_datetime加errors='coerce'参数
  这个参数的作用就是强制把转不了的值变成NaT，不管列原来是什么类型：

  df.loc[:, 'START_DATE'] = pd.to_datetime(df['START_DATE'], errors='coerce')
  df.loc[:, 'END_DATE'] = pd.to_datetime(df['END_DATE'], errors='coerce')
  

• 先把列转成object类型再处理
  手动把空列的类型改成object，模拟多行时的状态，再转日期：

  df['END_DATE'] = df['END_DATE'].astype(object)
  df.loc[:, 'END_DATE'] = pd.to_datetime(df['END_DATE'])
  

• 批量处理所有日期列
  用apply一次性处理所有需要转日期的列，能避免逐列处理时的类型问题：

  date_columns = ['START_DATE', 'END_DATE']
  df[date_columns] = df[date_columns].apply(pd.to_datetime, errors='coerce')
  

• 读取数据时直接指定日期列
  如果你的DataFrame是从文件读进来的，那在读的时候就直接指定要解析成日期的列，从根源上避免这个问题：

  # 拿read_csv举例子，其他读取方法类似
  df = pd.read_csv('your_data.csv', parse_dates=['START_DATE', 'END_DATE'])
  

内容的提问来源于stack exchange，提问作者neo