Python中使用Pandas解析日期失败问题求助

看起来你遇到的核心问题是日期格式符使用错误导致的解析失败，我来帮你理清问题并修复代码：

问题根源 #

你的日期字符串是'05/03/2016 11:40:00 PM'，包含12小时制的小时数（11）、完整的时分秒，以及AM/PM标识。但你代码里误用了%H（这是24小时制的小时格式符），同时错误提示里的格式'%d/%m/%Y %I %p'又漏掉了时分秒的部分，这两种情况都会导致格式不匹配。

修复后的完整代码 #

import pandas as pd

# 读取CSV数据
df = pd.read_csv("crimes12-18.csv")

# 使用正确的格式符解析日期：%I对应12小时制小时，保留时分秒和%p标识
df['Date'] = pd.to_datetime(df['Date'], format='%d/%m/%Y %I:%M:%S %p')

# 设置时间索引
df.index = pd.DatetimeIndex(df['Date'])

# 用dt属性提取时间字段，比apply更高效简洁
df['time_hour'] = df['Date'].dt.hour
df['month'] = df['Date'].dt.month
df['year'] = df['Date'].dt.year

# 筛选排除2017年的数据
df = df[df['year'] != 2017]

df.head()

关键格式符说明 #

• %I：12小时制的小时数（01-12），完美匹配你日期里的11
• %H：24小时制的小时数（00-23），这里不适用
• %p：AM/PM标识，对应你日期里的PM
• %M（分钟）、%S（秒）：必须和日期字符串里的40:00部分对应上

额外优化建议 #

如果你的CSV中存在少数格式不规范的日期，可以添加errors='coerce'参数，将无法解析的日期转为NaT（缺失时间值），避免整个解析流程失败：

df['Date'] = pd.to_datetime(df['Date'], format='%d/%m/%Y %I:%M:%S %p', errors='coerce')

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