Python pandas使用pd.to_datetime转换日期列全为NaT问题求助

全为NaT的核心原因是你指定的日期格式和Date列的实际字符串格式不匹配，按以下步骤排查修改即可：

第一步：确认Date列的实际格式 #

先运行代码输出前10条Date列的原始内容，确认实际格式：

print(Tonnage1["Date"].head(10))

常见格式不匹配场景：

• 年份位数不匹配：你代码中交替使用了%y（适配2位年份，如23代表2023）和%Y（适配4位年份，如2023），和实际内容不符就会转换失败
• 分隔符不匹配：实际日期用/分隔而非你指定的-
• 顺序不匹配：实际是年-月-日顺序，而非你指定的日-月-年
• 时间部分缺失：实际只有日期内容，没有你指定的时分秒部分

第二步：修改转换代码 #

如果不确定具体格式，先去掉format参数让pandas自动推断，先跑通再优化性能：

# 自动推断格式转换，减去7小时30分
Tonnage1["PDN Date"] = pd.to_datetime(Tonnage1["Date"], errors='coerce') - pd.Timedelta(hours=7, minutes=30)

拿到第一步打印的实际格式后，再对应修改format参数即可，比如实际格式为年/月/日 时:分就写成format='%Y/%m/%d %H:%M'。

第三步：排查Excel读取逻辑 #

如果你的原始Excel没有表头、第一行就是业务数据，需要在读文件时指定header=None，否则会把第一行数据识别为列名，导致后续Date列内容全部错位：

# 读文件时添加header=None参数适配无表头的文件
df=pd.read_excel(file,index_col=False, header=None)

第四步：验证转换结果 #

转换后可统计空值占比，确认仅异常值被转为NaT：

# 统计NaT占比
nat_ratio = Tonnage1["PDN Date"].isna().mean()
print(f"PDN Date列空值占比：{nat_ratio:.2%}")
# 输出转换失败的原始值示例
print("转换失败的原始值：", Tonnage1[Tonnage1["PDN Date"].isna()]["Date"].head(10))

内容的提问来源于stack exchange，提问作者Valkyrie