使用pandas.to_datetime解析'DD-MMM'格式日期字符串报错如何解决

你遇到的报错核心是OutOfBoundsDatetime异常：
你的日期字符串仅包含日和月份缩写，没有携带年份信息，pandas默认会补充公元1年作为默认年份，而pandas纳秒精度的时间戳仅支持1677-09-21 到 2262-04-11范围的日期，公元1年的日期不在支持范围内，因此抛出异常。
你之前调整format参数没有生效的原因是，哪怕你指定了匹配的格式规则，缺少年份的情况下pandas依旧会补充公元1年，问题和日期格式匹配无关，是默认补充的年份越界导致的。

你只需要给日期补充合法的年份即可正常解析，根据你的使用场景可以选择以下两种方案：

方案1：手动拼接年份后解析 #

适用于所有pandas版本，先给日期字符串拼接上你需要的年份，再做格式解析：

import pandas as pd

d = {'Date': ['05-Aug', '03-Sep'], 'Status': ['S', 'I']}
df = pd.DataFrame(data=d)
# 示例拼接2024年，可根据你的需求替换为对应年份
df['Date'] = pd.to_datetime('2024-' + df['Date'], format='%Y-%d-%b')

格式符说明：%Y代表4位年份，%d代表两位日期，%b代表英文月份缩写。

方案2：使用default参数指定默认基准日期 #

如果你的pandas版本≥2.0，可以直接通过default参数指定默认基准日期，无需手动拼接字符串：

import pandas as pd
from datetime import datetime

d = {'Date': ['05-Aug', '03-Sep'], 'Status': ['S', 'I']}
df = pd.DataFrame(data=d)
# 基准日期的年为默认补充的年，月日会被字符串中的值覆盖
df['Date'] = pd.to_datetime(df['Date'], format='%d-%b', default=datetime(2024, 1, 1))

如果你的数据涉及跨多年的日期，建议先从数据源补全完整的年份信息再做解析，避免默认补年带来的日期逻辑错误。

内容的提问来源于stack exchange，提问作者Joel