CSV日期列M/D顺序错误：如何统一年份为2018并修正解析格式

这个问题很常见——Pandas的pd.to_datetime在自动推断日期格式时，会优先选择“合法”的月份值，导致像9/4/2018这样的日期被误判为月/日/年（9月4日），而不是你实际需要的日/月/年（4月9日）。前面的14/3/18能正确解析，是因为14不可能作为月份，Pandas只能默认按日/月/年处理。

下面给你两种可靠的解决方法：

方法1：强制指定日在前（dayfirst=True） #

直接告诉Pandas，日期字符串的第一部分是日，第二部分是月，这样不管年份是两位还是四位，都能正确解析：

import pandas as pd

# 示例数据
df = pd.DataFrame({'Date': ['14/3/18', '28/3/18', '9/4/2018']})

# 正确解析日期
df['DateTime'] = pd.to_datetime(df['Date'], dayfirst=True)

print(df['DateTime'])

输出结果：

0   2018-03-14
1   2018-03-28
2   2018-04-09
Name: DateTime, dtype: datetime64[ns]

方法2：明确指定日期格式（灵活适配两位/四位年份） #

如果你的日期格式固定是日/月/年，可以用format参数结合%d（日）、%m（月）、%y（两位年份），Pandas会自动将两位年份补全为四位（默认补20xx），同时也兼容四位年份的输入：

df['DateTime'] = pd.to_datetime(df['Date'], format='%d/%m/%y')

这个方法同样能得到正确的结果，而且比自动推断更快，适合处理大量数据的场景。

为什么之前会出错？ #

Pandas的自动日期推断逻辑是：当遇到像9/4/2018这样的字符串时，它会检查两个可能的格式：

• 月/日/年：9是合法月份（1-12），4是合法日期，所以优先采用这个格式
• 日/月/年：9是合法日期，但4也是合法月份，这时候Pandas会默认优先选择月在前的格式（符合美式日期习惯），导致解析错误

通过上面两种方法，你可以强制Pandas按照你需要的日/月/年格式解析，彻底解决这个问题。

内容的提问来源于stack exchange，提问作者Jonanthan