Python中不强制转换，如何解析/格式化列中的无效日期数据？

不用强制转换为datetime类型，直接对原字符串格式的日期进行切片拼接，就能保留所有数据（包括无效日期）并完成格式转换。

具体代码 #

# 确保列是字符串类型，避免数字切片异常
df['charge_off_date'] = df['charge_off_date'].astype(str)

# 按yyyymmdd格式切片，重组为mm/dd/yyyy
df['formatted_date'] = df['charge_off_date'].apply(
    lambda x: f"{x[4:6]}/{x[6:8]}/{x[:4]}" if len(x) == 8 else x
)

说明 #

• 对于长度为8的字符串（不管内容是否为有效日期），直接提取对应位置的字符：x[4:6]是月份，x[6:8]是日期，x[:4]是年份，拼接后就是目标格式。比如无效日期20230200会转为02/00/2023，完全保留原始无效信息。
• 对于长度不是8的异常值（比如空值、短字符串），直接保留原内容，不会报错。

为什么你的原方法失效？ #

用pd.to_datetime(..., errors='ignore')后，有效日期会转成datetime对象，但无效日期会保留原字符串。之后调用.dt.strftime时，只有datetime对象支持这个属性，字符串类型的行就会触发错误，这就是你遇到问题的原因。

内容的提问来源于stack exchange，提问作者Kevi