如何在Python Pandas中将CSV中的字符串日期读取为日期类型？

嘿，我明白你遇到的麻烦了——用dtype参数直接指定日期类型确实行不通，这是因为dtype是用来定义基础数据类型（比如字符串、整数）的，没办法直接解析自定义格式的日期字符串。咱们换两种靠谱的方法来搞定这个问题：

方法1：读取时直接解析日期 #

用parse_dates参数指定要解析的列，再配合date_parser自定义解析格式，这样Pandas就能正确识别31DEC2017这种格式了：

from datetime import datetime
import pandas as pd

# 自定义日期解析函数
def parse_period(date_str):
    # %d=两位日期，%b=三位字母月份缩写，%Y=四位年份
    return datetime.strptime(date_str, '%d%b%Y')

# 读取CSV时直接解析PERIOD列
df = pd.read_csv("test.csv", parse_dates=['PERIOD'], date_parser=parse_period)

方法2：先读为字符串，再转换为日期 #

如果觉得自定义函数麻烦，也可以先把PERIOD列读成字符串，之后用pd.to_datetime转换，这种方式更灵活，还能处理解析错误：

import pandas as pd

# 先读取CSV，PERIOD默认是字符串类型
df = pd.read_csv("test.csv")
# 转换为日期类型，指定格式
df['PERIOD'] = pd.to_datetime(df['PERIOD'], format='%d%b%Y')

# 可选：如果有无效日期，用errors参数处理（比如转成NaT）
# df['PERIOD'] = pd.to_datetime(df['PERIOD'], format='%d%b%Y', errors='coerce')

为什么之前的方法失效？ #

你之前尝试的dtype={'PERIOD': time}、dtype={'PERIOD': datetime}都不行，是因为dtype参数只接受像str、int、float这类基础数据类型的对象，而datetime/time是Python的日期类，Pandas无法通过dtype直接将字符串映射为这类日期对象，必须用专门的日期解析工具来处理。

内容的提问来源于stack exchange，提问作者Victor