Pandas to_datetime函数输出异常：日期转换后与原数据不符

我懂你遇到的困扰了——用pd.to_datetime转换Date列后，部分行的转换结果和原始日期对不上，核心问题出在Pandas默认的日期解析逻辑和你的数据实际格式不匹配。

问题根源 #

你的Date列是DD-MM-YYYY格式（比如01-12-2017代表2017年12月1日），但pd.to_datetime自动推断格式时，会优先把XX-XX-XXXX这类格式当成MM-DD-YYYY处理，所以会把01-12-2017错误解析成2017年1月12日，这就导致了Date和TS列的不一致。

解决方案 #

1. 指定明确的解析格式

直接在pd.to_datetime里加上format参数，强制按你的日期格式解析，这是最稳妥的解决方式：

x1['TS'] = pd.to_datetime(x1['Date'], format='%d-%m-%Y')

这里%d代表日，%m代表月，%Y代表4位年份，完全匹配你的Date列格式。

2. 处理异常日期（可选）

如果数据里存在不符合DD-MM-YYYY格式的异常值，可以用errors='coerce'把无法解析的日期转为NaT（Pandas的空时间值），方便后续排查处理：

x1['TS'] = pd.to_datetime(x1['Date'], format='%d-%m-%Y', errors='coerce')
# 找出转换失败的行
invalid_dates = x1[x1['TS'].isna()]
print(invalid_dates)

3. 验证转换结果

转换完成后，可以用下面的代码快速检查是否还有不匹配的情况：

# 把转换后的时间转回和原始Date一致的字符串格式
x1['TS_str'] = x1['TS'].dt.strftime('%d-%m-%Y')
# 筛选出不匹配的行
mismatch_rows = x1[x1['Date'] != x1['TS_str']]
print(mismatch_rows)

如果输出为空，说明所有日期都转换正确了。

内容的提问来源于stack exchange，提问作者Paras Mani