使用pd.to_datetime()转换CSV日期列触发ValueError问题求助

嘿，咱们来解决你遇到的pd.to_datetime()格式匹配报错问题。这个问题核心是日期格式字符串和实际日期的顺序不匹配，我给你几个可行的解决方案：

错误原因分析 #

你的日期字符串是04/12/19 11:00 AM，而你指定的格式%d/%m/%y %I:%M %p默认按照日/月/年的顺序解析日期，但从你的数据来看，日期实际是月/日/年（MM/DD/YY）的格式，这就导致了格式不匹配的报错。

方案1：修正格式字符串 #

直接调整格式字符串为%m/%d/%y %I:%M %p，对应月/日/年的顺序，这样就能完美匹配你的日期数据：

import pandas as pd
import matplotlib.pyplot as plt

df = pd.read_csv("file_1.csv")
# 修正格式字符串为月/日/年的顺序
df['Date'] = pd.to_datetime(df['Date'], format='%m/%d/%y %I:%M %p')
df = df.set_index(["Date"])
df.plot()
plt.show()

方案2：让pandas自动推断格式（更省心） #

如果你不确定日期格式或者数据中存在多种轻微变化的格式，可以去掉format参数，让pandas自动识别日期格式，这样无需手动指定格式字符串：

import pandas as pd
import matplotlib.pyplot as plt

df = pd.read_csv("file_1.csv")
# 移除format参数，pandas会自动推断日期格式
df['Date'] = pd.to_datetime(df['Date'])
df = df.set_index(["Date"])
df.plot()
plt.show()

方案3：读取CSV时直接解析日期（效率更高） #

在读取CSV文件时就使用parse_dates参数直接解析日期列，一步完成读取和日期转换，比后续单独转换更高效：

import pandas as pd
import matplotlib.pyplot as plt

# 读取文件时直接将Date列解析为datetime类型
df = pd.read_csv("file_1.csv", parse_dates=['Date'])
df = df.set_index(["Date"])
df.plot()
plt.show()

额外说明 #

如果你的日期确实是日/月/年的顺序（比如04/12/19代表2019年12月4日），可以尝试添加dayfirst=True参数来辅助解析：

df['Date'] = pd.to_datetime(df['Date'], format='%d/%m/%y %I:%M %p', dayfirst=True)

不过这种情况通常不会触发你遇到的报错，所以更大概率是日期顺序搞反了。

内容的提问来源于stack exchange，提问作者Zakaria Abu Ailah