Pandas to_datetime处理非美式日期存在行为不一致问题

我完全懂你的困惑——pandas的to_datetime自动推断日期格式时的这种“双重标准”确实让人摸不着头脑！咱们先拆解一下为什么会出现这种情况，再给出靠谱的解决办法。

为什么会出现推断不一致？ #

默认情况下，to_datetime是逐元素单独推断格式的，而不是从整个序列统一判断规则：

• 当遇到像13/05/2023或27/05/2023这种日期字符串时，因为13和27不可能是月份（月份范围是1-12），所以pandas会自动切换到dd/mm/yyyy格式解析。
• 但遇到02/05/2023或04/05/2023这种歧义日期（既可以理解为mm/dd/yyyy，也可以是dd/mm/yyyy），pandas会默认优先采用美式的mm/dd/yyyy格式，这就导致了同一列里解析规则不一致的问题。

解决办法：统一解析规则 #

想要让所有日期都按dd/mm/yyyy格式解析，有两种可靠的方式：

1. 明确指定日期格式（推荐） #

直接告诉pandas你的日期格式，这是最稳妥、性能也最好的方式，完全避免歧义：

import pandas as pd

dates_series = pd.Series([
    "02/05/2023",
    "13/05/2023",
    "27/05/2023",
    "04/05/2023"
])

# 明确指定dd/mm/yyyy格式
parsed_dates = pd.to_datetime(dates_series, format="%d/%m/%Y")
print(parsed_dates)

运行后所有日期都会被正确解析为日/月/年格式，不会出现混乱。

2. 使用dayfirst=True参数 #

如果你确定所有日期都是国际通用的dd/mm/yyyy格式，可以用这个参数告诉pandas“优先把第一个数字当作日期”：

parsed_dates = pd.to_datetime(dates_series, dayfirst=True)

⚠️ 注意：如果你的序列里混有美式日期（比如05/02/2023想表示5月2日），这个参数会把它错误解析为2月5日，所以只在数据源格式统一时使用。

总结 #

pandas的自动推断是为了兼容多种场景，但遇到歧义日期时的默认行为并不符合非美式日期的使用习惯。明确指定格式是解决这类问题的最佳实践，既保证结果准确，也能提升解析效率。

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