pandas调用pd.to_datetime报错混合日期时间与整数解决方案

这个错误和重复值无关，本质是你要转换的时间列里同时混杂了日期格式值和整数类型值（可能是误录入的数字、未格式化的Unix时间戳、异常编码的空值等），pd.to_datetime()默认自动推断格式时无法统一处理混存类型，就会抛出该错误，去重操作完全不涉及类型清洗，自然解决不了问题。

先跑以下代码把列里无法正常解析为时间的异常行筛出来，确认整数的来源：

import pandas as pd

def is_invalid(value):
    try:
        pd.to_datetime(value)
        return False
    except:
        return True

# 筛选出所有异常值行
abnormal_df = df[df['Timestamp'].apply(is_invalid)]
print(abnormal_df)

根据输出的异常内容，按业务规则修正脏值：如果是录入错误就改回正确时间格式，如果是无意义脏值可以直接删除或填充。

• 如果筛出来的整数是Unix时间戳（和格式化时间字符串混存），转换时加上对应参数，同时加兜底规则避免报错：

# 秒级时间戳用unit='s'，毫秒级改成unit='ms'
df['Timestamp'] = pd.to_datetime(df['Timestamp'], errors='coerce', unit='s')

参数errors='coerce'会把实在无法解析的异常值统一转为NaT（pandas的空时间类型），不会中断转换流程。

• 如果整数是无意义的录入脏值，清理完定位到的异常数据后，直接带兜底参数转换即可：

df['Timestamp'] = pd.to_datetime(df['Timestamp'], errors='coerce')

额外提醒：你的代码里写的转换列名是My_Datetime，但给出的DataFrame示例里时间列名是Timestamp，转换前务必确认列名和实际列匹配，列名写错也可能触发意料之外的类型报错。

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