Python中pd.to_datetime无法转换DDMMMYYYY格式日期求助

我之前处理多格式日期数据时也踩过这个坑，尤其是DDMMMYYYY这种带英文月份缩写的格式，直接用默认的pd.to_datetime很容易报错。结合你的需求（要转换的列存在var列表里，还要保留NaN值），这里有两个实用方案：

方案1：用format列表直接匹配（Pandas 2.0+推荐） #

从Pandas 2.0版本开始，pd.to_datetime的format参数支持传入格式列表，它会自动尝试用列表里的格式去匹配每个日期字符串，非常省心。

代码示例：

import pandas as pd

# 遍历需要转换的列
for col in var:
    # 尝试两种格式：DD/MM/YYYY 和 DDMMMYYYY（%b对应英文月份缩写，比如Feb）
    df[col] = pd.to_datetime(df[col], format=['%d/%m/%Y', '%d%b%Y'], errors='coerce')

小细节补充： #

• 如果你的数据里月份缩写是小写（比如feb而不是Feb），可以先把字符串转成大写再转换，避免匹配失败：

  df[col] = pd.to_datetime(df[col].str.upper(), format=['%d/%m/%Y', '%d%b%Y'], errors='coerce')
  

• errors='coerce'参数会把无法转换的字符串（包括原本的NaN）统一转为NaT（Pandas的缺失日期类型），完美符合你的需求。

方案2：自定义转换函数（兼容低版本Pandas） #

如果你还在使用Pandas 2.0以下的版本，format不支持列表，那就写个简单的自定义函数，逐个尝试格式转换：

def parse_mixed_dates(date_str):
    # 先处理NaN的情况
    if pd.isna(date_str):
        return pd.NaT
    # 先尝试DD/MM/YYYY格式
    try:
        return pd.to_datetime(date_str, format='%d/%m/%Y')
    except ValueError:
        # 失败的话再尝试DDMMMYYYY格式
        try:
            return pd.to_datetime(date_str, format='%d%b%Y')
        except ValueError:
            # 两种格式都匹配失败，返回NaT
            return pd.NaT

# 应用到每个目标列
for col in var:
    df[col] = df[col].apply(parse_mixed_dates)

额外注意点 #

• 月份缩写的语言问题：如果你的数据里的月份缩写不是英文（比如法语的fév），需要先设置对应的locale，否则%b无法识别：

  import locale
  # 示例：设置为英文locale（不同系统写法可能不同，Windows是'English_US'，Linux/macOS是'en_US.UTF-8'）
  locale.setlocale(locale.LC_TIME, 'en_US.UTF-8')
  

• 验证转换结果：转换完成后，可以用下面的代码检查是否成功：

  # 查看所有目标列的数据类型
  print(df[var].dtypes)
  # 查看每列转换后缺失值的数量（确认有没有未覆盖的格式）
  print(df[var].isna().sum())
  

内容的提问来源于stack exchange，提问作者Aaraeus