Python日期解析异常处理：转换有效日期并忽略错误行

这问题我碰到过好多次了，直接用pandas自带的参数就能搞定，完全不用手动排查错误行！

核心解决方案：使用errors='coerce'参数 #

pd.to_datetime()提供了errors参数，当设置为'coerce'时，所有无法正确解析的日期值会被转换成NaT（pandas中表示时间缺失值的类型），而不是抛出中断程序的错误。这样就能保留所有正确转换的行，同时自动标记错误行。

示例代码：

import pandas as pd

# 假设你的日期列名为'date_str'，注意格式符要用标准的%d/%m/%Y
df['formatted_date'] = pd.to_datetime(df['date_str'], format='%d/%m/%Y', errors='coerce')

小提醒：pandas的日期格式符里，4位年份的正确写法是%Y，不是YYYY，别写错哦。

可选：查看错误行（如果需要） #

转换完成后，你可以轻松筛选出那些无法解析的行，方便后续分析错误类型：

# 筛选出转换失败的行
invalid_dates = df[df['formatted_date'].isna()]
print("错误日期行：")
print(invalid_dates)

进阶：针对特定错误格式预处理（可选） #

如果发现有一些重复出现的错误格式（比如你提到的'0199'应该是'1999'），可以先对字符串做预处理再转换：

# 用正则替换修复开头多写0的年份（比如'0199'→'1999'）
df['fixed_date_str'] = df['date_str'].str.replace(r'(\d{2}/\d{2}/)0(\d{3})$', r'\11\2', regex=True)
# 再进行转换
df['formatted_date'] = pd.to_datetime(df['fixed_date_str'], format='%d/%m/%Y', errors='coerce')

不过你说错误无规律，这一步可以跳过，直接用errors='coerce'就足够解决问题了。

内容的提问来源于stack exchange，提问作者Gabriel Gomide