将SAS date9格式日期转换为Python datetime的技术咨询

一、如何解析SAS Date9格式的日期 #

首先，SAS的Date9格式是DDMMMYYYY（比如12FEB1993代表1993年2月12日），dateutil.parser.parse和pandas默认自动解析失败的原因是：这种格式不属于ISO标准或常见通用格式，自动解析器无法准确推断规则。

解决方法非常直接——给pandas.to_datetime明确指定格式参数，不需要依赖自动推断：

import pandas as pd

# 假设你的日期列名为'date_col'
df['date_col'] = pd.to_datetime(df['date_col'], format='%d%b%Y', errors='coerce')

参数说明：

• %d：匹配两位数字的日期（01-31）
• %b：匹配英文月份缩写（Jan/Feb/Mar...，大小写不敏感，不管是FEB还是feb都能识别）
• errors='coerce'：可选配置，将无法解析的字符串转为NaT，避免报错中断程序

如果你的CSV里日期前面附带了序号（比如示例中的0 12FEB1993），需要先提取纯日期字符串再解析：

# 按空格分割字符串，提取第二个元素（日期部分）
df['date_str'] = df['raw_date_col'].str.split().str[1]
df['parsed_date'] = pd.to_datetime(df['date_str'], format='%d%b%Y')

二、pandas.to_datetime是否基于dateutil.parser实现？ #

不完全是。pandas的to_datetime有一套独立的内置解析逻辑：
当你不指定format参数时，它会优先用内置解析器处理常见标准格式（比如ISO 8601），只有当内置解析器无法识别时，才会 fallback 到dateutil.parser.parse做通用格式推断。

简单来说，dateutil是pandas自动解析的备选方案之一，而非唯一依赖。pandas针对标准日期格式做了专属优化，在性能和准确性上都优于通用的dateutil解析器。

内容的提问来源于stack exchange，提问作者ifly6