嘿，这个问题我之前处理CSV日期的时候也踩过坑！你遇到的ValueError: time data '12/16/2016' does not match format '%d/%m/%Y'本质就是日期格式字符串和实际日期的格式不匹配，咱们一步步解决：

为什么会报错？ #

你给出的日期'12/16/2016'是月/日/年（MM/DD/YYYY）的格式，但你用的解析格式'%d/%m/%Y'是日/月/年（DD/MM/YYYY）——Python尝试把16当成月份（但月份只能是1-12），自然就报错了。

解决方案：分两种场景处理 #

场景1：用纯Python的datetime模块处理单个日期 #

如果只是处理单个日期字符串，直接把格式字符串改成'%m/%d/%Y'即可，然后判断是否为周末：

from datetime import datetime

# 示例日期字符串
date_str = '12/16/2016'
# 用正确的格式解析：%m=月份，%d=日期，%Y=4位年份
date_obj = datetime.strptime(date_str, '%m/%d/%Y')

# 判断是否为周末：
# - weekday()：0=周一，5=周六，6=周日
# - isoweekday()：1=周一，6=周六，7=周日（更符合日常认知）
if date_obj.isoweekday() in (6, 7):
    print(f"日期{date_str}是周末，对应的商品可以输出")

场景2：用Pandas处理CSV中的日期列（更高效） #

既然你已经导入了CSV，用Pandas批量处理会更方便，推荐两种方式：

方式1：导入CSV时直接解析日期

import pandas as pd

# 导入时指定日期列和对应的格式，一步到位
df = pd.read_csv(
    '你的CSV文件名.csv',
    parse_dates=['日期列名称'],  # 替换成你实际的日期列名
    date_format='%m/%d/%Y'
)

# 筛选周末的行：dt.weekday >=5 代表周六（5）和周日（6）
weekend_products = df[df['日期列名称'].dt.weekday >= 5]
# 打印结果
print(weekend_products)

方式2：已导入CSV后再转换日期列

如果已经导入了CSV没处理日期，可以单独转换：

import pandas as pd

df = pd.read_csv('你的CSV文件名.csv')
# 转换日期列
df['日期列名称'] = pd.to_datetime(df['日期列名称'], format='%m/%d/%Y')
# 筛选周末数据
weekend_products = df[df['日期列名称'].dt.weekday >=5]
print(weekend_products)

额外小提醒 #

如果你的CSV里日期格式不统一（比如有的是MM/DD/YYYY，有的是YYYY-MM-DD），可以去掉format参数，让Pandas自动推断格式：

df['日期列名称'] = pd.to_datetime(df['日期列名称'], infer_datetime_format=True)

不过这种方式比指定格式稍慢，数据量小的话可以忽略差异。

内容的提问来源于stack exchange，提问作者Daniel Wogan