如何从CSV的Pandas Datetime列提取年月并修正日期转换错误？

首先，咱们先搞定日期解析错误的核心问题——你遇到的是因为pd.to_datetime()默认会把日期字符串里的第一个数字当成月份，但你的数据实际是日/月/年格式（比如2/1/2018是1月2日，不是2月1日），而且你之前写的格式%d/%M/%Y也有小错误：大写M代表分钟，月份应该用小写m。下面给你两种靠谱的修复方法：

方法1：指定format参数（推荐） #

直接告诉Pandas你的日期格式是%d/%m/%Y，这样解析既精准又高效，适合格式统一的数据集：

import pandas as pd

# 读取CSV后转换日期列
df['OrderDate'] = pd.to_datetime(df['OrderDate'], format='%d/%m/%Y')

方法2：用dayfirst=True参数 #

如果你的数据偶尔存在混合格式，但大部分是日在前的情况，可以用这个参数让Pandas优先把第一个数字当作日期：

df['OrderDate'] = pd.to_datetime(df['OrderDate'], dayfirst=True)

不过这个方法不如指定format精准，容易在混合格式下出问题，所以优先选第一种。

接下来是提取月份和年份，给你三种常用方式，按需选择：

方式1：提取为时期对象（适合后续时间分析） #

如果需要保留时间序列的特性，用dt.to_period('M')会得到类似2018-01的时期对象，方便后续按年月分组统计：

df['YearMonth'] = df['OrderDate'].dt.to_period('M')

方式2：提取为字符串格式（适合导出或展示） #

如果要得到2018-01或者Jan-2018这类可读性强的字符串，用dt.strftime()：

# 年-月格式
df['YearMonth'] = df['OrderDate'].dt.strftime('%Y-%m')

# 月份缩写-年份格式
df['YearMonth'] = df['OrderDate'].dt.strftime('%b-%Y')

方式3：分别提取年和月为单独列 #

如果需要把年、月拆成两个独立列：

df['Year'] = df['OrderDate'].dt.year
df['Month'] = df['OrderDate'].dt.month

举个完整的实操例子，假设你的CSV数据如下：

OrderDate,Amount
2/1/2018,100
3/1/2018,200
15/2/2018,150

运行代码：

import pandas as pd

df = pd.read_csv('your_file.csv')
# 正确转换日期
df['OrderDate'] = pd.to_datetime(df['OrderDate'], format='%d/%m/%Y')
# 提取年月字符串
df['YearMonth'] = df['OrderDate'].dt.strftime('%Y-%m')

print(df)

输出结果：

OrderDate  Amount YearMonth
0 2018-01-02     100    2018-01
1 2018-01-03     200    2018-01
2 2018-02-15     150    2018-02

这样就完美解决了日期颠倒的问题，同时得到了你需要的年月信息～

内容的提问来源于stack exchange，提问作者Shavin Dhavindar