pandas解析Timestamp列报ParserError: Unknown string format错误如何解决

报错ParserError: Unknown string format: Timestamp的核心原因是Timestamp列中存在值为Timestamp的非时间格式字符串，pandas无法将该文本识别为合法时间，触发解析失败。
常见诱因：

• 存储CSV时使用追加模式写入，未设置header=False，导致文件中重复插入了多组表头行，这些表头行的Timestamp列值就是字符串Timestamp，被读取为普通数据
• 调用pd.read_csv时skiprows等行过滤参数配置错误，将真实表头行识别为数据行加载
• 原始CSV存在脏数据，时间列混入了无关文本

1. 先定位异常行，确认无效数据分布：

   # 筛选Timestamp列值为"Timestamp"的异常行
   print(df[df["Timestamp"] == "Timestamp"])
   

2. 过滤清理无效行：

   # 剔除混入的表头/脏数据行，重置索引
   df = df[df["Timestamp"] != "Timestamp"].reset_index(drop=True)
   

3. 执行时间类型转换，显式指定匹配的时间格式，同时配置异常值处理逻辑避免报错：

   # %Y-%m-%d %H:%M:%S.%f 可精准匹配带3位毫秒的时间字符串格式
   df["Timestamp"] = pd.to_datetime(
       df["Timestamp"],
       format="%Y-%m-%d %H:%M:%S.%f",
       errors="coerce" # 其余无法解析的异常值统一转为NaT空时间类型，不中断运行
   )
   

4. 后续加载同类CSV时，可直接在读取阶段配置时间解析与异常跳过逻辑，减少后续处理成本：

   df = pd.read_csv(
       "data.csv",
       parse_dates=["Timestamp"],
       on_bad_lines="skip"
   )
   

若问题由追加写入CSV重复生成表头导致，后续追加写入数据时需在df.to_csv()中传入header=False、mode='a'参数，避免重复写入表头。

内容的提问来源于stack exchange，提问作者John