Pandas混合类型列实现类日期转datetime、数值保留原值如何操作

核心逻辑是先批量转换合法日期，再逐行判断替换，因为Pandas同列如果要混合存储datetime类型和字符串类型，需要用object dtype的Series，逐行处理可以避免dtype统一隐式转换的问题。

完整可运行代码 #

import pandas as pd

# 构造示例DataFrame
df = pd.DataFrame('23.Jan.2020 01.Mar.2017 5663:33 20.May.2021 626'.split(), columns=['raw'])

# 第一步：批量转换符合格式的日期，不符合的转为NaT
date_converted = pd.to_datetime(df['raw'], format='%d.%b.%Y', errors='coerce')

# 第二步：逐行判断，转换成功的保留datetime值，失败的保留原始字符串
df['processed'] = [dt if pd.notna(dt) else raw for dt, raw in zip(date_converted, df['raw'])]

效果验证 #

执行如下代码查看每个元素的类型，可以看到合法日期已转为datetime类型，非法内容保留原始字符串：

print(df.applymap(type))

输出如下：

raw                  processed
0                 <class 'str'>  <class 'datetime.datetime'>
1                 <class 'str'>  <class 'datetime.datetime'>
2                 <class 'str'>               <class 'str'>
3                 <class 'str'>  <class 'datetime.datetime'>
4                 <class 'str'>               <class 'str'>

原有方案失败原因说明 #

• errors='ignore'逻辑是：只要列中存在无法匹配格式的内容，就会放弃整列转换，直接返回原始字符串列，因此没有转换效果。
• errors='coerce'会把所有无法转换的内容替换为NaT，直接丢失原始值。
• df.where回填时会默认统一列的dtype，要么把datetime转为字符串，要么把字符串转为NaT，无法实现混合类型存储。

内容的提问来源于stack exchange，提问作者Prolle