为何Pandas to_datetime与Python datetime.strptime行为不一致？

你遇到的情况是：Python标准库的datetime.strptime严格遵循格式匹配，而Pandas的pd.to_datetime在指定相同格式且设置errors='coerce'时，却能解析不符合格式的日期字符串。

问题复现 #

Python strptime 执行代码：

import datetime
date = '19981128'
date_python = datetime.datetime.strptime(date, '%Y/%m/%d')

输出：

ValueError: time data '19981128' does not match format '%Y/%m/%d'

Pandas to_datetime 执行代码：

import pandas as pd
date = '19981128'
date_pandas = pd.to_datetime(date, errors='coerce', format='%Y/%m/%d')
print(date_pandas)

输出：

1998-11-28 00:00:00

差异原因 #

核心在于两者的底层解析逻辑和容错策略不同：

• Python strptime：采用严格匹配规则，要求输入字符串的每个字符（包括格式中的分隔符/）都与格式字符串完全对应，不匹配则直接抛出异常，没有宽松解析的空间。
• Pandas to_datetime：即使指定了format参数，当设置errors='coerce'时，底层解析器（默认基于dateutil.parser或内部优化逻辑）会启动容错解析模式——它会忽略格式字符串中的非数字分隔符，仅提取数字部分进行匹配。比如%Y/%m/%d会被识别为需要4位年份、2位月份、2位日期，只要输入字符串的数字长度符合要求，就会尝试解析，不管有没有分隔符。

另外补充：如果将errors设为默认的'raise'，Pandas也会像Python strptime一样抛出ValueError，严格遵循格式匹配。你测试中使用errors='coerce'才触发了特殊的容错逻辑，导致和文档描述的“遵循strftime规范”出现差异。

内容的提问来源于stack exchange，提问作者Bhargav