Python pandas如何处理不一致日期序列转换时的日月混淆问题？

问题根因 #

pd.to_datetime默认的自动格式推断逻辑，无法适配同一列内混杂DD/MM/YYYY、MM/DD/YYYY两种日期格式的场景：

• 当日、月位置的数值都≤12时，解析器会按默认优先级统一识别，直接造成日月错位
• 当日位置数值>12时，按MM/DD/YYYY规则解析会直接判定为无效值返回NaT
  错位的日期做差后，自然会出现入住夜数为负的异常结果。

可直接落地的解决步骤 #

1. 编写适配混合格式的日期解析函数 #

不需要手动拆分拼接年月日字段，通过逐单元格格式匹配完成初步解析：

import pandas as pd
from datetime import datetime

def parse_mixed_date(date_val):
    if pd.isna(date_val):
        return pd.NaT
    date_str = str(date_val).strip()
    # 按优先级匹配格式，可根据数据集实际格式补充fmt列表内容
    for fmt in ['%d/%m/%Y', '%m/%d/%Y']:
        try:
            return datetime.strptime(date_str, fmt)
        except ValueError:
            continue
    return pd.NaT

2. 初步转换两列日期 #

df['Check-in date'] = df['Check-in date'].apply(parse_mixed_date)
df['Check-out date'] = df['Check-out date'].apply(parse_mixed_date)

3. 结合业务规则修正歧义日期 #

对于日月数值都≤12的歧义日期，用「入住日期必须早于退房日期」的业务逻辑做二次校验，自动修正错位的记录：

# 标记日期差为负的异常记录
abnormal_mask = (df['Check-out date'] - df['Check-in date']).dt.days < 0

# 对异常记录互换日月位置修正
def swap_day_month(dt):
    return pd.NaT if pd.isna(dt) else dt.replace(day=dt.month, month=dt.day)

df.loc[abnormal_mask, ['Check-in date', 'Check-out date']] = df.loc[abnormal_mask, ['Check-in date', 'Check-out date']].applymap(swap_day_month)

4. 计算入住夜数 #

df['stay_nights'] = (df['Check-out date'] - df['Check-in date']).dt.days

校验提示 #

• 计算完成后可以通过df['stay_nights'].describe()查看结果分布，如果仍存在负值，可通过df[df['stay_nights'] < 0]筛出对应记录，排查是否存在原始数据录入错误（如退房日期真实早于入住日期的异常订单）。
• 如果数据集内还存在横杠、点分隔的其他日期格式，只要在parse_mixed_date函数的fmt列表中补充对应的格式串即可，比如添加'%d-%m-%Y'适配20-05-2024这类格式。

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