为何Pandas停止解析mm/dd/yyyy格式的日期字符串？

嘿，我来帮你搞定这个Pandas日期解析的问题！你提到的Pandas似乎停止解析mm/dd/yyyy格式日期的情况，其实并不是官方停止支持了——大概率是日期解析的默认推断逻辑和你的预期不匹配，尤其是当日期里的日大于12时，Pandas会因为无法识别非法月份而报错。下面我针对你给出的三个案例逐个给出解决方案：

Case 1: pd.to_datetime 解析失败 #

问题核心在于，当你传入像11/13/2017这样的字符串时，Pandas默认的自动推断会把斜杠分隔的日期优先当成dd/mm/yyyy，但13不可能是月份，所以直接报错。解决办法就是显式告诉Pandas日期格式：

import pandas as pd
# 用format参数明确指定为月/日/年格式
pd.to_datetime(['05/05/2017', '11/13/2017'], format='%m/%d/%Y')

如果你不确定所有日期的格式，但确定是“月在前、日在后”，也可以用dayfirst=False参数（不过指定format是最稳妥的方式，避免歧义）：

pd.to_datetime(['05/05/2017', '11/13/2017'], dayfirst=False)

Case 2: pd.date_range 日期格式问题 #

你给出的示例代码pd.date_range('1/1/2000', periods=1000)其实默认是可以正常解析的，但如果起始日期是类似11/13/2000这种日大于12的mm/dd/yyyy格式，就会和Case1一样报错。解决方式有两种：

1. 显式指定format参数：

import pandas as pd
import numpy as np
# 明确告诉Pandas起始日期是月/日/年格式
longer_ts = pd.Series(np.random.randn(1000), index=pd.date_range('11/13/2000', periods=1000, format='%m/%d/%Y'))

2. 直接传入datetime对象，彻底跳过字符串解析环节：

from datetime import datetime
import pandas as pd
import numpy as np
longer_ts = pd.Series(np.random.randn(1000), index=pd.date_range(datetime(2000, 11, 13), periods=1000))

Case 3: Series日期切片问题 #

从你没写完的代码来看，应该是想用mm/dd/yyyy格式的字符串去切片带datetime索引的Series，结果因为格式解析不匹配导致失败。这里推荐两种可靠的切片方式：

1. 直接用datetime对象切片，完全避免字符串解析歧义：

from datetime import datetime
import pandas as pd
import numpy as np

# 先创建带datetime索引的Series
dates = pd.date_range('1/1/2000', periods=1000)
longer_ts = pd.Series(np.random.randn(1000), index=dates)
# 用datetime对象指定切片范围
slice_result = longer_ts[datetime(2000, 5, 5):datetime(2000, 11, 13)]

2. 如果一定要用字符串切片，先把字符串转成标准datetime对象再操作：

# 先将mm/dd/yyyy格式的字符串转成datetime
start_date = pd.to_datetime('05/05/2000', format='%m/%d/%Y')
end_date = pd.to_datetime('11/13/2000', format='%m/%d/%Y')
# 用转换后的datetime对象切片
slice_result = longer_ts[start_date:end_date]

内容的提问来源于stack exchange，提问作者iDrwish