Pandas转换datetime时日期格式不一致，日与月被颠倒

你的问题源于日期解析的格式歧义：

• 日期字符串是日-月-年格式，但pd.to_datetime()默认会优先尝试月-日-年解析逻辑。
• 像6-3-2020这种日和月数值都≤12的字符串，会被错误解析成2020-06-03；而18-3-2022因为18超出月份的合法范围（1-12），会自动按正确的日-月-年规则解析，最终导致timestamp列格式不一致。

解决方案：指定明确的日期格式 #

直接在pd.to_datetime()中通过format参数强制指定字符串格式，彻底消除解析歧义：

df['timestamp'] = pd.to_datetime(df['Datum WSM-09'], format='%d-%m-%Y %H:%M')
df_daily_avg = df.groupby(pd.Grouper(freq='D', key='timestamp')).mean()

补充说明 #

如果你的日期字符串存在格式不统一的情况（比如部分日/月是两位数、部分是一位），也可以用dayfirst=True参数让pandas优先将第一个数字视为日期：

df['timestamp'] = pd.to_datetime(df['Datum WSM-09'], dayfirst=True)

不过指定format是最稳妥的方式，能确保所有日期都严格按预期规则解析。

内容的提问来源于stack exchange，提问作者Idw