pandas中如何根据日期格式编写if条件正确解析日期索引

• df.index.format() 返回值是由索引所有元素格式化后组成的字符串列表，并非格式匹配串，直接和"%Y-%m-%d"做相等判断永远返回False，分支逻辑完全不生效。
• 格式符使用错误：pandas的to_datetime不支持%D格式符，匹配01/01/2022这类斜杠分隔的月/日/年格式，正确格式串应为%m/%d/%Y，原代码写的%D/%m/%Y属于无效格式。
• 多余的类型转换：无需先将索引转为Series再做时间转换，直接传入索引对象即可，效率更高。

方案1：自动识别格式（最省事，推荐） #

无需手动写分支判断，直接让pandas自动推断两种日期格式即可，适配你当前两种日期格式混合的场景：

df.index = pd.to_datetime(df.index, infer_datetime_format=True)

注：pandas 2.0及以上版本默认开启格式推断，可省略infer_datetime_format=True参数，直接写pd.to_datetime(df.index)即可。

方案2：手动判断格式（适合需要严格格式校验的场景） #

如果需要严格校验日期格式、避免非法日期被自动误解析，可以先取索引的首个非空值判断分隔符，再走对应格式的解析逻辑：

first_val = str(df.index[0])
if "-" in first_val:
    df.index = pd.to_datetime(df.index, format="%Y-%m-%d")
else:
    df.index = pd.to_datetime(df.index, format="%m/%d/%Y")

更优的前置处理方案 #

你可以在读取CSV文件阶段就完成日期解析和索引设置，不用读完文件后再二次处理，读文件时指定参数即可自动解析日期：

# 替换为实际的文件路径、日期列名
df = pd.read_csv("target.csv", parse_dates=["你的日期列名"], index_col="你的日期列名")

内容的提问来源于stack exchange，提问作者Mohit Garg