如何强制pandas Timestamp按DD/MM/YYYY格式解析日期字符串

问题现象 #

• 系统区域设置为英国格式DD/MM/YYYY，但pd.Timestamp解析日期字符串时，当日、月数值均不超过12，会默认按MM/DD/YYYY解析，导致星期计算错误：
  • "12/6/2022"预期为2022年6月12日（Sunday），实际被解析为2022年12月6日，返回Tuesday
  • "06/05/2022"预期为2022年5月6日（Friday），实际被解析为2022年6月5日，返回Sunday
• 当日期第一个数值大于12（如"15/11/2021"），pandas会自动 fallback 到DD/MM/YYYY解析，但会抛出警告提示解析规则不明确
• 按照警告提示传入infer_datetime_format=True参数时报错，原因是该参数不属于pd.Timestamp构造函数的合法参数

根本原因 #

pandas 日期解析逻辑默认不跟随操作系统区域设置，无明确格式指定时的默认解析优先级为MM/DD/YYYY，仅当第一个数值超过12（不可能为合法月份）时才会切换解析规则，天然存在歧义；infer_datetime_format是pd.to_datetime()方法的专属参数，不能直接传给pd.Timestamp。

解决方案 #

单日期解析：显式指定format参数（无歧义、性能最优） #

构造pd.Timestamp时直接传入format参数，明确指定日期格式规则，彻底避免解析不一致，同时不会产生警告：

# 2022年6月12日，正确返回Sunday
temp = pd.Timestamp("12/6/2022", format="%d/%m/%Y")
print(temp.day_name())

# 2022年5月6日，正确返回Friday
temp = pd.Timestamp("06/05/2022", format="%d/%m/%Y")
print(temp.day_name())

# 2021年11月15日，正确返回Monday，无警告
temp = pd.Timestamp("15/11/2021", format="%d/%m/%Y")
print(temp.day_name())

用到的格式符对应规则：

• %d：1-2位数字表示的日期（日）
• %m：1-2位数字表示的月份
• %Y：4位数字表示的年份

批量日期解析：使用pd.to_datetime #

如果需要处理DataFrame/Series中的整列日期字符串，使用pd.to_datetime()方法，同样指定format参数即可，解析效率远高于循环构造单个Timestamp：

import pandas as pd

# 示例：处理DataFrame中的日期列
df = pd.DataFrame({
    "date_str": ["12/6/2022", "06/05/2022", "15/11/2021"]
})
df["parsed_date"] = pd.to_datetime(df["date_str"], format="%d/%m/%Y")
df["weekday"] = df["parsed_date"].dt.day_name()

最佳实践 #

只要处理的日期字符串格式固定，永远显式传入format参数，不要依赖pandas的自动推断逻辑。该写法是pandas官方推荐的日期处理方式，可彻底避免跨版本、跨运行环境的解析歧义，同时解析速度比自动推断快5~10倍。

内容的提问来源于stack exchange，提问作者M C