带引号日期与时间列合并为Timestamp失败，求解决方法

我完全懂你这种明明看起来格式没问题，但转换就是报错的烦躁感——这事儿大概率是字符串里藏着多余的双引号在搞鬼，咱们一步步来搞定它：

第一步：清理字符串中的双引号 #

看你的报错信息：time data '"3.11.20"' does not match format '%d.%m.%y'，这里的日期字符串前后都带着双引号，这才是格式不匹配的核心原因。先把这些多余的引号去掉：

# 清理日期列和时间列的双引号
df["colA"] = df["colA"].str.strip('"')
df["colB"] = df["colB"].str.strip('"')

第二步：合并并转换为Timestamp #

现在字符串干净了，咱们再尝试合并转换，这里有两种稳妥的方式：

方式一：指定明确的格式

如果你确定日期是日.月.年的格式，直接指定格式参数，同时加上dayfirst=True确保解析顺序正确（避免把月和日搞混）：

df["Timestamp"] = pd.to_datetime(
    df["colA"] + " " + df["colB"],
    format="%d.%m.%y %H:%M:%S",
    dayfirst=True
)

注：%d对应日、%m对应月、%y对应两位年份；%H:%M:%S对应24小时制的时间格式。

方式二：让Pandas自动推断格式

如果担心格式细节（比如一位数的日/月没有补零），可以开启自动推断，同样加上dayfirst=True保证解析顺序：

df["Timestamp"] = pd.to_datetime(
    df["colA"] + " " + df["colB"],
    dayfirst=True,
    infer_datetime_format=True
)

为什么之前的尝试失败？ #

• 第一次合并时报错，是因为原始字符串带着双引号，合并后变成"3.11.20" "11:38:48"，这种带嵌套引号的格式Pandas完全无法识别；
• 单独转换日期列时报错，同样是因为双引号的存在，导致"3.11.20"和你指定的%d.%m.%y纯数字格式不匹配。

内容的提问来源于stack exchange，提问作者SMS