Pandas Series日期转换出现日与月颠倒错误，求解决方案

问题重现 #

输入的日期序列为DD/MM/YYYY格式：

import pandas as pd
x = pd.Series(["12/01/2017", "09/03/2018", "23/11/2019"])

期望解析为YYYY-MM-DD格式的datetime类型，但执行原代码后出现日月颠倒错误，仅日数超过12的条目解析正确。

错误原因 #

原代码未明确指定输入日期的格式，pd.to_datetime自动推断时会优先采用美式MM/DD/YYYY格式解析：

• 对于12/01/2017，12被识别为合法月份，01被当作日期，导致解析结果颠倒
• 对于23/11/2019，因23不属于合法月份范围（1-12），才会自动切换为DD/MM/YYYY格式解析

yearfirst=False仅控制年份是否在开头，无法明确日和月的顺序，因此无法解决该问题。

解决方法 #

直接在pd.to_datetime中指定输入日期格式为%d/%m/%Y，强制按DD/MM/YYYY规则解析，无需额外的strftime和类型转换：

pd.to_datetime(x, format='%d/%m/%Y')

运行结果：

0   2017-01-12
1   2018-03-09
2   2019-11-23
dtype: datetime64[ns]

若需兼容格式错误的条目，可保留errors='coerce'参数，将无法解析的日期转为NaT：

pd.to_datetime(x, format='%d/%m/%Y', errors='coerce')

补充说明 #

• 当日期格式明确时，务必指定format参数，既可以避免解析错误，还能提升代码运行效率（自动推断格式的速度远慢于指定格式）
• 若存在多种混合格式的日期，可尝试dayfirst=True参数（优先级低于format），但仍建议明确指定格式以保证解析准确性

内容的提问来源于stack exchange，提问作者Carlos Carvalho