Pandas如何自动推断自定义%d.%m.%Y格式的日期类型列

date_parser只负责提供日期解析的执行逻辑，本身不会触发pandas的自动日期列检测。pd.read_csv的parse_dates参数默认值为False，这种状态下pandas不会对任何列做日期类型推断，你传入的自定义解析器压根不会被调用，自然没法自动完成日期转换。
你之前手动指定日期列名时解析能生效，本质是给parse_dates传入了明确的列列表，告诉pandas哪些列需要做日期处理，自定义解析器才会真正执行。

要实现自动识别日期列的效果，只需要把parse_dates参数设为True即可。开启后pandas会自动扫描所有列，对符合日期格式的列调用你传入的解析器完成转换，不需要手动写死列名，完全适配数据源字段变动的场景：

from datetime import datetime
import pandas as pd

data = pd.read_csv(
    p,
    skiprows=[0,1,2,4],
    keep_default_na=False,
    parse_dates=True,
    date_parser=lambda x: datetime.strptime(x, "%d.%m.%Y").date(),
    sep="\t"
)

如果用的是2.0及以上版本的pandas，date_parser参数已经被标记为弃用，更推荐直接用date_format参数指定日期格式，解析性能比传lambda函数高很多，写法也更简洁：

import pandas as pd

data = pd.read_csv(
    p,
    skiprows=[0,1,2,4],
    keep_default_na=False,
    parse_dates=True,
    date_format="%d.%m.%Y",
    sep="\t"
)

自动识别逻辑说明：只有某一列的所有非空值都能匹配指定的日期格式时，pandas才会将该列转换为日期类型，不会误转其他普通字符串/数字列。

内容的提问来源于stack exchange，提问作者Spok