pd.to_datetime转换有效格式时间列返回NaT，求排查原因

问题原因 #

你的时间字符串格式为11/05/2022 07:33:57:851 PM，其中秒与毫秒之间用冒号（:）分隔，但你使用的format参数"%m/%d/%Y %I:%M:%S:%f %p"中，%f（用于匹配微秒/毫秒的占位符）在pandas的解析逻辑里，默认期望是点（.）分隔的小数部分，这导致解析器无法匹配格式，最终返回全量NaT。

解决方案 #

方案1：替换分隔符后指定格式解析

先将时间字符串中秒与毫秒之间的冒号替换为点，再用指定格式解析，既保证效率又确保准确性：

# 精准替换秒后的冒号为点
temp_series['Timestamp[ms]'] = temp_series['Timestamp[ms]'].str.replace(r'(\d{2}):(\d{3})', r'\1.\2', regex=True)
# 解析为datetime对象
temp_series['Timestamp[ms]'] = pd.to_datetime(temp_series['Timestamp[ms]'], format="%m/%d/%Y %I:%M:%S.%f %p")

正则表达式r'(\d{2}):(\d{3})'会匹配秒（两位数字）后的冒号和毫秒（三位数字），替换为\1.\2即秒.毫秒的标准格式。

方案2：让pandas自动推断格式

如果数据量较小（你的数据集仅3248行），可以省略format参数，让pandas自动识别时间格式，写法更简洁：

temp_series['Timestamp[ms]'] = pd.to_datetime(temp_series['Timestamp[ms]'], errors='coerce')

注意：自动推断的速度比指定格式慢，适合小数据集场景。

验证结果 #

执行上述任意方案后，通过temp_series['Timestamp[ms]'].dtype查看列类型，会显示datetime64[ns]，且不会出现NaT值。

内容的提问来源于stack exchange，提问作者JotaN92