pandas DataFrame日期解析错误:DD/MM/YY格式月日颠倒问题
核心问题原因
- 解析异常的根源是调用
pd.to_datetime时没有显式指定日期格式,触发了pandas的自动格式推断逻辑,产生了分段歧义。 - 自动推断的判定规则是:若日期某分段的数值大于12,系统可以直接判定该分段为“日”的位置。比如原始值
17/01/11、24/01/11、31/01/11中的17、24、31都大于12,因此系统正确按照DD/MM/YY规则拆分出年、月、日,解析结果符合预期。 - 当两个分段的数值都在1-12区间时,系统会默认按照美式MM/DD/YY规则解析,不会主动适配你的DD/MM/YY要求。比如原始值
07/02/11中,7和2都小于12,系统会自动把7识别为月份、2识别为日期,最终解析为2011年7月2日,和预期的2月7日完全相反,也就导致提取的月份值为7的异常结果。
对应修复方法
- 最稳妥的解决方式是在日期解析时,手动传入匹配原始数据的格式规则,完全规避自动推断的歧义:
df_train['new_date'] = pd.to_datetime(df_train['week'], format='%d/%m/%y') - 如果数据集存在格式不统一的脏值,可以追加
errors='coerce'参数,将无法匹配规则的无效值转为空值,方便后续数据清洗校验:df_train['new_date'] = pd.to_datetime(df_train['week'], format='%d/%m/%y', errors='coerce') - 你后续编写的所有时间特征提取逻辑(提取年内周数、季度、月份、年份)本身不存在逻辑错误,只要日期解析准确,就能得到符合预期的结果。
内容的提问来源于stack exchange,提问作者HeinrichCode
相关产品推荐
相关产品推荐

