将 Pandas 中无年份的葡萄牙语日期列正确转换为 datetime 类型-Python教程-PHP中文网

将 Pandas 中无年份的葡萄牙语日期列正确转换为 datetime 类型

本文详解如何在 pandas 中将仅含日+缩写月份（如“28 jul”）且无年份、使用巴西葡萄牙语（pt_br）的字符串列可靠转换为 datetime 类型，解决因系统 locale 不匹配导致的解析失败与 nat 问题，并支持灵活补全年份。

本文详解如何在 pandas 中将仅含日+缩写月份（如“28 jul”）且无年份、使用巴西葡萄牙语（pt_br）的字符串列可靠转换为 datetime 类型，解决因系统 locale 不匹配导致的解析失败与 nat 问题，并支持灵活补全年份。

在处理来自巴西本地金融或账单系统的数据时，常见日期格式如 "28 JUL"、"04 AGO"（即“JUL”代表 julho，“AGO”代表 agosto），这类字符串无法被 pd.to_datetime() 默认识别——因为 Python 的 datetime 模块依赖系统 locale 来解析月份缩写，而多数英文环境（如 en_US）不支持 AGO、OUT、DEZ 等葡萄牙语缩写，直接使用 format="%d %b" 会导致大量 NaT（Not a Time）值。

✅ 正确做法：配置 pt_BR locale 并解析

首先需确保系统已安装 pt_BR.UTF-8 locale（Linux/macOS 通常可通过 locale -a | grep pt_BR 验证；Windows 用户建议使用 WSL 或改用 dateutil 兼容方案，见后文）。然后执行：

import locale
import pandas as pd

# 设置巴西葡萄牙语 locale（关键步骤！）
locale.setlocale(locale.LC_ALL, 'pt_BR.UTF-8')

# 假设原始列名为 'Data'
df['Data_converted'] = pd.to_datetime(df['Data'], format='%d %b', errors='coerce')

⚠️ 注意：errors='coerce' 会将无法解析的值转为 NaT，便于后续排查；若需保留原始字符串用于调试，可先用 .str.upper() 统一大小写（如 "ago" → "AGO"），避免大小写敏感问题。

? 补全年份：添加固定年份前缀（推荐）

由于原始数据不含年份，Pandas 默认填充为 1900（如 1900-07-28），这显然不符合业务逻辑。更合理的方式是显式拼接目标年份：

# 假设所有记录属于 2025 年
df['Data_converted'] = pd.to_datetime('2025 ' + df['Data'], format='%Y %d %b', errors='coerce')

此方法绕过 locale 依赖，稳定可靠，输出为标准 datetime64[ns] 类型，支持排序、时间差计算、dt 访问器等全部 Pandas 时间序列操作。

? 替代方案（无需修改系统 locale）

若无法配置 locale（如共享服务器、Windows 生产环境），可使用 dateutil.parser + 自定义映射，或借助 pandas.Series.replace 预处理：

# 方案2：手动映射月份缩写（轻量、跨平台）
month_map = {'JAN': 'Jan', 'FEV': 'Feb', 'MAR': 'Mar', 'ABR': 'Apr',
             'MAI': 'May', 'JUN': 'Jun', 'JUL': 'Jul', 'AGO': 'Aug',
             'SET': 'Sep', 'OUT': 'Oct', 'NOV': 'Nov', 'DEZ': 'Dec'}

df['Data_clean'] = df['Data'].str.strip().str.upper().replace(
    {rf'(\d+)\s+({ "|".join(month_map.keys()) })': r'\1 \2'}, 
    regex=True
).replace({f'{k}': v for k, v in month_map.items()}, regex=True)

df['Data_converted'] = pd.to_datetime('2025 ' + df['Data_clean'], 
                                      format='%Y %d %b', errors='coerce')