Python pandas用parse_dates解析CSV多列日期仅生效一列如何解决？

1. 参数拼写错误：pandas read_csv 方法中指定解析日期列的参数为parse_dates（复数形式），你代码中传入的parse_date缺少末尾的s，属于无效参数，pandas只会默认识别符合内置规则的日期列，因此仅dateofbirth被转换，其余列未处理。
2. 日期格式适配问题：你CSV中使用的是月/日/年 12小时制+AM/PM的格式，部分场景下pandas默认解析规则无法匹配，即便参数拼写正确也可能出现解析失败的情况。

下面的方案不需要提前知道每个CSV的日期列名，可自动识别转换所有符合格式的日期列：

• 方案1：读入时直接自动解析
  自定义日期解析规则，读入时自动匹配所有符合格式的列：

  import pandas as pd
  
  # 匹配CSV中的日期格式：%m=月份 %d=日期 %Y=4位年份 %I=12小时制小时 %M=分钟 %S=秒 %p=AM/PM标识
  date_parser = lambda x: pd.to_datetime(x, format="%m/%d/%Y %I:%M:%S%p", errors="coerce")
  
  df = pd.read_csv(
      "你的CSV文件路径",
      parse_dates=True, # 自动尝试解析所有疑似日期的列
      date_parser=date_parser
  )
  

• 方案2：先全量读为字符串再批量转换（兼容性更高）
  如果不同CSV的日期格式存在细微差异，先读为字符串再转换更稳妥，不会在读入阶段报错：

  # 读入时所有列保持字符串格式
  df = pd.read_csv("你的CSV文件路径", dtype=str)
  
  # 遍历所有列尝试转换为日期，转换失败的列保持原内容不变
  for col in df.columns:
      df[col] = pd.to_datetime(df[col], format="%m/%d/%Y %I:%M:%S%p", errors="ignore")
  

• 批量处理160个CSV的示例代码

  import os
  import pandas as pd
  
  # 存放所有CSV的文件夹路径
  csv_folder = "./your_csv_folder"
  processed_list = []
  
  for filename in os.listdir(csv_folder):
      if not filename.endswith(".csv"):
          continue
      file_path = os.path.join(csv_folder, filename)
      df = pd.read_csv(file_path, dtype=str)
      for col in df.columns:
          df[col] = pd.to_datetime(df[col], format="%m/%d/%Y %I:%M:%S%p", errors="ignore")
      processed_list.append(df)
  
  # 处理完所有文件后可按需单独使用或合并所有DataFrame
  

处理完成后执行print(df.dtypes)即可查看所有列的类型，确认日期列是否已转换为datetime64[ns]格式。

内容的提问来源于stack exchange，提问作者Rajesh Om