使用pd.to_datetime转换DataFrame的DateTime列出现ParserError报错如何处理

报错核心是待转换的时间字符串14-09-2021 10:39:00:00不符合pandas默认的时间解析规则：

• 该字符串的秒级单位后多了一组用冒号分隔的数值（末尾的:00），标准时间格式中秒和毫秒/微秒的分隔符为英文句号.，而非冒号，导致默认解析器无法识别。

• 明确指定时间格式（最稳妥）
  直接通过format参数告知pandas当前字符串的结构，无需修改原始数据，代码如下：

# 格式说明：%d=日，%m=月，%Y=4位年，%H=小时，%M=分钟，%S=秒，%f=微秒
Interventions_df['From DateTime'] = pd.to_datetime(Interventions_df['From DateTime'], format='%d-%m-%Y %H:%M:%S:%f')
Interventions_df['To DateTime'] = pd.to_datetime(Interventions_df['To DateTime'], format='%d-%m-%Y %H:%M:%S:%f')

• 预处理修正时间字符串格式
  先把不符合规范的冒号替换为标准的句号分隔符，再进行时间转换，适合需要统一时间格式的场景：

# 替换末尾秒后的冒号为句号
Interventions_df['From DateTime'] = Interventions_df['From DateTime'].str.replace(r':(\d+)$', r'.\1', regex=True)
Interventions_df['To DateTime'] = Interventions_df['To DateTime'].str.replace(r':(\d+)$', r'.\1', regex=True)

# 再执行时间转换
Interventions_df['From DateTime'] = pd.to_datetime(Interventions_df['From DateTime'], dayfirst=True)
Interventions_df['To DateTime'] = pd.to_datetime(Interventions_df['To DateTime'], dayfirst=True)

• 添加容错参数（兜底方案）
  如果存在少量格式异常的脏数据，可添加errors='coerce'参数，将无法解析的字符串转换为空值NaT，避免代码直接中断，后续可单独排查异常行：

Interventions_df['From DateTime'] = pd.to_datetime(Interventions_df['From DateTime'], dayfirst=True, errors='coerce')
Interventions_df['To DateTime'] = pd.to_datetime(Interventions_df['To DateTime'], dayfirst=True, errors='coerce')

# 可通过以下代码筛选转换失败的异常行
invalid_rows = Interventions_df[Interventions_df['From DateTime'].isna() | Interventions_df['To DateTime'].isna()]

内容的提问来源于stack exchange，提问作者Chio