Pandas pd.to_datetime转换有效日期时返回NaT问题排查

你遇到的NaT问题由3个常见的Pandas用法错误导致：

• 第一处错误是replace方法的用法矛盾：当你给replace设置inplace=True时，方法会直接在原列上修改数据，返回值为None。你将这个None重新赋值给df['Date']，会直接把整列覆盖为空值，后续转datetime自然全部返回NaT。
• 第二处错误是日期格式不匹配：你指定的format="%d/%m/%Y"仅支持4位长度的年份，原始数据中错误的5位年份20201完全不符合格式规则，设置errors="coerce"后所有匹配失败的值都会被强制转为NaT，后续重复调用转换也不会修复这个问题。
• 第三处错误是对errors="ignore"的逻辑误解：这个参数的实际逻辑是只要整列存在任意一个转换失败的值，就直接返回原始字符串列，不执行任何转换操作，并不是你以为的“跳过错误值、正常转换合法值”。此时列本质还是字符串类型，只是没有抛出报错，让你误以为转换成功。

1. 先修正年份错误，replace操作的两种写法二选一即可，禁止同时使用inplace=True和赋值操作：

   # 写法1：不使用inplace，直接接收返回值，字符串替换更精准
   df['Date'] = df['Date'].str.replace('20201', '2021')
   
   # 写法2：使用inplace原地修改，不做赋值
   # df['Date'].replace('20201', '2021', inplace=True)
   

2. 执行日期转换，显式指定日/月/年的格式即可避免解析歧义，转换后所有值都会是合法的datetime类型，不会出现NaT：

   df['Date'] = pd.to_datetime(df['Date'], format="%d/%m/%Y")
   

如果后续遇到其他无法识别的脏日期，可以加上errors="coerce"参数，将确实无法转换的值设为NaT后再单独排查，不要使用errors="ignore"，该参数无法实现“跳过错误值转换剩余内容”的效果。

测试用原始脏数据参考：

Date	A	B	C
07/01/20201	a	b	2
08/01/20201	b	c	2
09/01/2022	c	d	1
10/01/2022	d	e	1
13/01/2022	e	f	3
14/01/2022	f	g	3
17/01/2022	g	h	3

你提供的字典中17/4/20201这类格式不统一的日期（月份、日期没有补前导零），也可以被上述带format参数的转换逻辑正确识别为2021年4月17日。

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