使用Pandas读取Excel时日期格式异常致pd.to_datetime报错

针对你遇到的多格式日期转换报错问题，提供以下几种实用解决方案：

方案1：让Pandas自动推断格式（最简方案） #

移除指定的format参数，让Pandas自动识别不同日期格式，同时用errors='coerce'处理无效时间（比如你提到的秒数超过59的15/10/2022 11:13:64）：

dfEx['Date'] = pd.to_datetime(dfEx['Date'], errors='coerce')

• 说明：errors='coerce'会将无法解析的日期转为NaT，后续可通过dfEx['Date'].isna()定位这些无效行做针对性处理。

方案2：分格式转换后合并（更可控） #

如果自动推断精度不够，可分别处理两种已知格式，再合并结果：

# 处理dd/mm/yyyy HH:MM:SS格式
format1 = pd.to_datetime(dfEx['Date'], format='%d/%m/%Y %H:%M:%S', errors='coerce')
# 处理yyyy-mm-dd HH:MM:SS格式
format2 = pd.to_datetime(dfEx['Date'], format='%Y-%m-%d %H:%M:%S', errors='coerce')
# 优先取第一种格式的解析结果，无效值用第二种格式填充
dfEx['Date'] = format1.fillna(format2)

方案3：读取Excel时直接处理（从源头解决） #

在读取Excel阶段就处理日期列，避免后续转换麻烦：

# 方法A：让openpyxl直接解析日期列
dfEx = pd.read_excel(fileExcel, engine='openpyxl', parse_dates=['Date'])

# 方法B：自定义转换器处理混杂格式
def parse_mixed_dates(date_str):
    try:
        return pd.to_datetime(date_str, format='%d/%m/%Y %H:%M:%S')
    except ValueError:
        try:
            return pd.to_datetime(date_str, format='%Y-%m-%d %H:%M:%S')
        except ValueError:
            return pd.NaT

dfEx = pd.read_excel(fileExcel, engine='openpyxl', converters={'Date': parse_mixed_dates})

注意：Excel中15/10/2022 11:13:64属于无效时间（秒数超过59），所有方法都会将其转为NaT，需手动修正这些行的秒数后重新解析。

内容的提问来源于stack exchange，提问作者fransua