如何用Pandas将仅含年份的日期条目转为NaT而非默认日期

你的核心问题在于：当Collection date列中的年份是数值类型（如整数2020）时，pd.to_datetime会跳过格式校验逻辑，直接将数值年份转换为当年1月1日，而非触发errors='coerce'转为NaT。要实现仅保留YYYY-MM-DD格式日期，其余转为NaT，可按以下步骤处理：

方法一：先统一转为字符串再严格解析 #

先将列转换为字符串类型，确保pd.to_datetime严格按照指定格式匹配，不符合的自动转为NaT：

import pandas as pd

# 构造示例数据
data = {"Collection date": [2020, "2020-03-23", "2020-12-11", "2020-04-10", "2020-04-03"]}
df = pd.DataFrame(data)

# 第一步：将列转为字符串，统一格式解析逻辑
df["Collection date"] = df["Collection date"].astype(str)

# 第二步：严格按照YYYY-MM-DD格式解析，不符合的转为NaT
df["Collection date"] = pd.to_datetime(
    df["Collection date"],
    format="%Y-%m-%d",
    errors="coerce",
    exact=True
)

运行后结果：

0          NaT
1   2020-03-23
2   2020-12-11
3   2020-04-10
4   2020-04-03
Name: Collection date, dtype: datetime64[ns]

方法二：用正则筛选后再解析 #

通过正则表达式精准匹配YYYY-MM-DD格式的条目，仅对匹配成功的内容转日期，其余直接设为NaT：

import pandas as pd

data = {"Collection date": [2020, "2020-03-23", "2020-12-11", "2020-04-10", "2020-04-03"]}
df = pd.DataFrame(data)

# 匹配YYYY-MM-DD格式的正则规则
date_pattern = r"^\d{4}-\d{2}-\d{2}$"

# 仅保留符合格式的条目，其余设为NaN后转日期
df["Collection date"] = pd.to_datetime(
    df["Collection date"].astype(str).where(df["Collection date"].astype(str).str.match(date_pattern)),
    errors="coerce"
)

关键原因说明 #

你之前的代码未生效，是因为：

• 若列中存在数值类型的年份（如整数2020），pd.to_datetime会优先将其识别为年份值，自动补全月日为01-01，而非严格按照format='%Y-%m-%d'进行字符串匹配。
• 转为字符串后，exact=True才会生效：要求输入字符串与%Y-%m-%d格式完全匹配（长度10，包含两个连字符），不符合的就触发errors='coerce'转为NaT。

后续导出操作 #

处理完成后，可通过以下代码将含NaT的条目导出至单独文件：

# 筛选出含NaT的行
na_df = df[df["Collection date"].isna()]

# 导出为CSV文件
na_df.to_csv("仅年份条目.csv", index=False)

内容的提问来源于stack exchange，提问作者Hilary Miller