使用pandas to_datetime函数时的日期解析错误求助

这个问题太典型了——当你的日期是dd/mm/yyyy格式，但其中部分日期的日和月数值都在1-12之间时（比如11/04/2018），pandas的自动日期推断功能会混淆美式（mm/dd/yyyy）和欧式（dd/mm/yyyy）格式，导致部分日期的日和月颠倒。

这里有两个直接有效的解决办法：

方法1：使用dayfirst=True参数 #

明确告诉pandas，日期字符串的日部分在前，这样它就会优先按照dd/mm/yyyy的规则解析：

import pandas as pd

# 读取并合并数据
df1 = pd.read_csv('sales.csv')
df2 = pd.read_csv('sales1.csv')
df3 = pd.read_csv('sales2.csv')
df4 = pd.read_csv('sales3.csv')
df = pd.concat([df1, df2, df3, df4])

# 转换日期，指定日在前
df['Transaction date'] = pd.to_datetime(df['Transaction date'], dayfirst=True)
print(df['Transaction date'])

方法2：严格指定日期格式 #

如果你确定所有日期都是dd/mm/yyyy格式，可以直接用format参数强制pandas按照这个格式解析，完全避免歧义：

import pandas as pd

# 读取并合并数据
df1 = pd.read_csv('sales.csv')
df2 = pd.read_csv('sales1.csv')
df3 = pd.read_csv('sales2.csv')
df4 = pd.read_csv('sales3.csv')
df = pd.concat([df1, df2, df3, df4])

# 严格按照dd/mm/yyyy格式转换
df['Transaction date'] = pd.to_datetime(df['Transaction date'], format='%d/%m/%Y')
print(df['Transaction date'])

两种方法都能让你得到统一的yyyy-mm-dd格式的datetime64[ns]类型日期，解决第24-29行的颠倒问题。

内容的提问来源于stack exchange，提问作者user9479535