如何在Pandas中解析含异常字符的日期时间字符串并保留原格式？

首先，你需要在格式串中明确包含那个非标准的'D'字符——Pandas的to_datetime方法会严格匹配格式串与输入字符串的结构，只要格式串和实际时间戳的结构完全对应，就能完成解析，不需要替换'D'。

具体操作 #

• 假设你的时间戳格式为%Y-%m-%dD%H:%M:%S:%f（例如2024-05-20D14:30:00:123456），直接使用该格式串解析即可。
• 示例代码：

import pandas as pd

# 模拟待处理数据
timestamps = ['2024-05-20D14:30:00:123456', '2024-05-21D09:15:00:654321']
df = pd.DataFrame({'raw_timestamp': timestamps})

# 用包含'D'的格式串解析
df['parsed_datetime'] = pd.to_datetime(df['raw_timestamp'], format='%Y-%m-%dD%H:%M:%S:%f')

print(df)

错误原因说明 #

之前出现TypeError: Unrecognized value type: <class 'str'>，本质是因为你使用的格式串%Y-%m-%d %H:%M:%S:%f和实际时间戳结构不匹配——实际是'D'分隔日期与时间，而格式串中用的是空格，导致Pandas无法识别字符串的时间格式，进而抛出类型相关错误。

额外提示 #

如果时间戳中'D'的位置有其他变化，只需对应调整格式串，将'D'作为固定字符写入格式串即可，Pandas会将其视为时间格式的一部分进行匹配。

内容的提问来源于stack exchange，提问作者jolene