pandas调用pd.to_datetime转换日期列报格式不匹配问题咨询

你指定的日期格式%m/%d/%Y仅能匹配06/13/1980这类斜杠分隔的「数字月/日/年」结构，和实际存储的June 13, 1980 (United States)字符串结构完全不符：

• 月份部分是完整英文名称（如June），不是两位数数字
• 日期各部分用空格、逗号分隔，不是斜杠
• 日期末尾还带括号包裹的地区无关内容，不属于日期组成部分
  因此格式匹配直接失败触发报错。

方法1：快速自动解析（适合小数据集、列内日期格式不统一的场景） #

pandas 2.0及以上版本支持mixed格式模式，可自动识别常见日期结构，同时自动忽略末尾非日期的冗余内容，代码如下：

df['format_released'] = pd.to_datetime(df['released'], format='mixed', errors='coerce')

参数说明：

• errors='coerce'：把无法解析的异常值统一转为NaT（时间类型空值），不会中断整体转换流程，后续可单独筛选异常值排查

方法2：预处理+指定精确格式（适合大数据集、追求转换效率的场景） #

先把字符串末尾括号包裹的无关内容切除，再按照有效日期的实际结构指定格式转换，转换速度比自动推断高10~100倍，适合百万行以上的数据集：

# 1. 用正则删除括号及内部的所有内容，再去掉首尾多余空格
df['temp_date'] = df['released'].str.replace(r'\(.*\)', '', regex=True).str.strip()
# 2. 按有效日期结构指定格式：%B对应完整英文月份名，%d对应两位日期，%Y对应四位年份
df['format_released'] = pd.to_datetime(df['temp_date'], format='%B %d, %Y', errors='coerce')
# 3. 删除临时列
df.drop(columns='temp_date', inplace=True)

避免后续再写错格式匹配规则：

• %m：两位数字月份（01-12）
• %b：英文月份缩写（Jan、Jun等）
• %B：完整英文月份名（January、June等）
• %d：两位数字日期（01-31）
• %Y：四位数字年份（1980、2024等）
• %y：两位数字年份（80代表1980、24代表2024）

内容的提问来源于stack exchange，提问作者user17957342