Python写入Redshift报错：日期格式无效，长度需≥10

我之前处理过类似的Redshift加载日期的坑，结合你的场景，给你梳理几个大概率的原因和对应的解决思路：

1. DataFrame中存在NaT值未正确处理 #

这是最容易踩的坑——如果你的datetime64[ns]列里有NaT（Not a Time）值，转JSON的时候这些NaT会被序列化为字符串"NaT"（长度仅3），Redshift拿到这个短字符串当日期解析，自然就会抛出"长度必须10或更多"的错误。

解决办法：

• 如果你的Redshift日期列允许NULL，转JSON前把NaT替换为None（JSON会序列化为null）：

  df['your_date_column'] = df['your_date_column'].where(df['your_date_column'].notna(), None)
  

• 如果日期列是NOT NULL约束，直接过滤掉包含NaT的行：

  df = df.dropna(subset=['your_date_column'])
  

2. 日期字符串转换时出现异常格式 #

虽然你确认日期是YYYY-MM-DD格式，但手动转换字符串时可能出现疏漏：比如某些行的datetime值处理不当，或者转换逻辑有问题导致生成了短于10位的字符串。

解决办法：

• 强制将日期列统一转换为标准的YYYY-MM-DD字符串：

  df['your_date_column'] = df['your_date_column'].dt.strftime('%Y-%m-%d')
  

• 转换后可以检查一下所有行的字符串长度，确保没有异常：

  print(df['your_date_column'].str.len().unique())
  

3. Redshift加载时未明确指定日期格式 #

如果你是通过COPY命令从S3加载JSON（底层大概率是这个逻辑），Redshift默认的日期解析规则可能和你的格式不匹配，即使你的字符串是标准的YYYY-MM-DD，也可能触发解析错误。

解决办法：

• 在COPY命令中添加DATEFORMAT 'YYYY-MM-DD'参数，明确告诉Redshift日期的格式：

  COPY your_table
  FROM 's3://your-bucket/path/to/json'
  IAM_ROLE 'your-iam-role-arn'
  JSON 'auto'
  DATEFORMAT 'YYYY-MM-DD';
  

4. 日期字符串存在隐藏的不可见字符 #

极少数情况下，日期字符串前后可能有空格、制表符这类不可见字符，视觉上是10位，但实际字符串长度不符，导致Redshift解析失败。

解决办法：

• 转换时给字符串做个去空格处理：

  df['your_date_column'] = df['your_date_column'].dt.strftime('%Y-%m-%d').str.strip()
  

建议你先从检查NaT值入手，这是最常见也最容易忽略的问题。

内容的提问来源于stack exchange，提问作者singularity2047