Python转换年月数据为日期格式时遇ValueError报错求助

问题重现 #

执行以下代码将年月数据转换为YYYY-MM格式时抛出错误：

dateformat['date'] = pd.to_datetime(dateformat['year_month'], format='%Y%m')

待转换的year_month数据片段：

array(['20071', '20072', '20073', ..., '202019', ..., '20228'], dtype=object)

错误信息：

ValueError: unconverted data remains: 9

错误原因 #

1. 格式不匹配：%Y%m要求输入为「4位年份+2位月份」，但你的数据中1-9月仅用1位数字表示（如20071对应2007年1月），格式规则无法匹配；
2. 存在脏数据：数据中包含无效值202019——月份取值范围为1-12，该值的月份部分为19，属于非法数据，直接触发格式转换失败的报错。

解决方案 #

步骤1：清理脏数据 #

先筛选或修正非法数据：

# 方法1：筛选符合规则的有效数据（4位年+1-2位合法月份）
valid_mask = dateformat['year_month'].str.match(r'^\d{4}(0?[1-9]|1[012])$')
dateformat = dateformat[valid_mask]

# 方法2：手动修正已知错误值（如将202019改为202009）
dateformat.loc[dateformat['year_month'] == '202019', 'year_month'] = '202009'

步骤2：统一格式并转换 #

将1位月份补为2位，再执行日期转换：

# 给1位月份补零，统一为6位的「YYYYMM」格式
dateformat['year_month_fixed'] = dateformat['year_month'].str.pad(width=6, side='right', fillchar='0')

# 转换为datetime类型
dateformat['date'] = pd.to_datetime(dateformat['year_month_fixed'], format='%Y%m')

# 若需要字符串格式的YYYY-MM，可进一步处理
dateformat['date_str'] = dateformat['date'].dt.strftime('%Y-%m')

简化方案（自动识别格式） #

如果数据量不大，可省略手动补零步骤，让pandas自动识别格式（需先清理脏数据）：

# 自动识别格式，转换失败的行设为NaT
dateformat['date'] = pd.to_datetime(dateformat['year_month'], errors='coerce')

# 过滤转换失败的行
dateformat = dateformat.dropna(subset=['date'])

# 转为YYYY-MM字符串
dateformat['date_str'] = dateformat['date'].dt.strftime('%Y-%m')

内容的提问来源于stack exchange，提问作者anali