Pandas数据清洗：格式不统一时间列转DateTime类型失败解决

• 列预期格式为h:m:s:ms dd/mm/yy，但实际值格式不统一
• 年份格式混杂：部分值为两位简写（如04），部分为四位全称（如2004）
• 部分值内嵌制表符等无效字符
• 当前列数据类型为object，直接执行常规DateTime转换代码未生效

• 基础文本清洗
  • 清除所有内嵌制表符、值首尾的多余空白，对应代码：df['目标列'] = df['目标列'].str.replace(r'\t', '', regex=True).str.strip()
  • 将值内连续的多余空白替换为单个标准空格，消除无效分隔符对解析的干扰
• 适配混杂格式完成类型转换
  • 直接使用带匹配参数的pandas转换方法，避免默认格式猜测失效，核心代码参考：
    df['目标列'] = pd.to_datetime(df['目标列'], format='mixed', dayfirst=True, errors='coerce')
  • 参数适配说明：
    • format='mixed' 支持同列共存多套可识别时间格式，适配两位/四位年份混杂的场景
    • dayfirst=True 匹配dd/mm格式的日、月先后顺序，避免月日解析颠倒
    • errors='coerce' 对无法解析的异常值标记为NaT，既不会因个别脏数据中断整列转换，也方便后续单独排查残留的无效值
• 转换效果校验
  • 执行df['目标列'].dtype检查返回结果为datetime64[ns]，确认转换真正生效，避免出现代码运行无报错但实际未完成类型变更的情况

常见失效原因：无参数调用的pd.to_datetime()在列格式混杂、内嵌无效字符的场景下，会因无法统一猜测全列格式规则导致转换失败，且部分场景下不会抛出明确报错。

内容的提问来源于stack exchange，提问作者sra