Jupyter Notebook中pd.to_datetime转换日期时间出现格式不匹配报错如何解决？

从报错日志的最后一行可直接定位问题：你指定的时间格式与数据实际格式不匹配，存在两处差异：

• 年月日分隔符不匹配：你设置的格式用/分隔，但实际数据用-分隔
• 时间精度不匹配：你设置的格式包含秒位%S，但实际数据只有时、分两个时间维度，没有秒值

• 先抽样确认字段整体格式，执行代码：
  print(Uber_2014['Date/Time'].head(20))
• 排查是否存在混合格式的脏数据，执行代码统计不同长度的字符串占比：
  print(Uber_2014['Date/Time'].str.len().value_counts())

方案1：匹配实际格式手动指定（效率最高） #

如果全量数据统一为月-日-年 时:分的格式，直接修改format参数即可：

Uber_2014['Date/Time'] = pd.to_datetime(Uber_2014['Date/Time'], format="%m-%d-%Y %H:%M")

方案2：兼容脏数据场景 #

如果存在部分格式异常的脏数据，添加errors='coerce'参数将不符合格式的值转为空时间值NaT，后续可单独过滤处理异常数据：

Uber_2014['Date/Time'] = pd.to_datetime(Uber_2014['Date/Time'], format="%m-%d-%Y %H:%M", errors='coerce')
# 查看转换失败的异常数据
print(Uber_2014[Uber_2014['Date/Time'].isna()]['Date/Time'])

方案3：自动推断格式（兼容性最强） #

如果确认数据存在多种混合格式，可省略format参数让pandas自动推断格式：

Uber_2014['Date/Time'] = pd.to_datetime(Uber_2014['Date/Time'], infer_datetime_format=True)

转换完成后执行以下代码确认转换成功：

• 查看字段类型：print(Uber_2014['Date/Time'].dtype)，输出为datetime64[ns]即为成功
• 抽样查看转换结果：print(Uber_2014['Date/Time'].head(10))

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