如何将MM/DD/YYYY格式时间字符串转为时间戳并解决strptime报错

核心错误原因 #

你使用的日期格式符月、日顺序与实际数据格式不匹配。你的数据是月/日/年的格式，你用了%d/%m/%Y（日/月/年）的解析规则，当遇到日期部分大于12的数值（如25、26）时，系统无法将其识别为合法月份，因此抛出值错误。
前3条数据运行未报错属于巧合：这三条的日期部分分别为12、5、12，均未超过12，系统误把日期值当成月份解析没有抛出异常，但实际解析得到的日期是完全错误的，比如2/12/2019会被解析为2019年12月2日，和实际的2019年2月12日不符。

最优转换方案 #

你使用的是pandas DataFrame结构，直接调用pd.to_datetime批量转换整列是效率最高的方案，无需逐行处理，也支持后续的时间、日期对比需求。

场景1：转换为完整UTC时间戳，与YYYY-MM-DD HH:MM:SS UTC格式对比 #

import pandas as pd
import datetime

# 批量转换整列为带UTC时区的datetime对象
temp_table_head['date_subscribed_dt'] = pd.to_datetime(
    temp_table_head['date_subscribed'],
    format='%m/%d/%Y %I:%M %p' # 显式指定格式，解析效率更高
).dt.tz_localize('UTC') # 统一转为UTC时区，匹配对比格式要求

# 对比示例：筛选2019年3月25日0点UTC之后的订阅数据
target_dt = datetime.datetime(2019, 3, 25, tzinfo=datetime.timezone.utc)
filter_result = temp_table_head[temp_table_head['date_subscribed_dt'] >= target_dt]

场景2：仅提取日期部分，与YYYY-MM-DD格式对比 #

无需拆分字符串，转换后直接提取日期部分即可：

# 批量提取日期列，格式为YYYY-MM-DD的date对象
temp_table_head['subscribe_date'] = pd.to_datetime(
    temp_table_head['date_subscribed'],
    format='%m/%d/%Y %I:%M %p'
).dt.date

# 对比示例：筛选2019年3月25日及以后的订阅数据
target_date = datetime.date(2019, 3, 25)
filter_result = temp_table_head[temp_table_head['subscribe_date'] >= target_date]

原有代码修正方案 #

如果你需要保留逐行处理的写法，仅需调换格式符中%m和%d的顺序即可：

第一种方案（转完整时间）修正后 #

example_date = temp_table_head['date_subscribed'][3]
print(example_date)
example_date=datetime.datetime.strptime(example_date, '%m/%d/%Y %I:%M %p')
example_date

第二种方案（仅转日期）修正后 #

example_date = temp_table_head['date_subscribed'][3]
print(example_date)
example_date=example_date.split(' ')[0]
print(example_date)
example_date=datetime.datetime.strptime(example_date, '%m/%d/%Y')
example_date

内容的提问来源于stack exchange，提问作者Nan Lin