典型错误是pd.to_datetime()对混合格式列报valueerror或大量nat，因默认infer_datetime_format=true且不自动推断多格式；需设infer_datetime_format=false、errors='coerce'并配合format候选列表循环解析，同时注意dayfirst/yearfirst仅在未指定format时生效。
识别混合日期格式列的典型错误现象
当你用 pd.to_datetime() 直接转换一列含多种格式（如 "2023-04-01"、"01/04/2023"、"Apr 1, 2023"）的字符串时，常会遇到：ValueError: Unknown string format 或大量转为 NaT。这不是数据脏，而是 Pandas 默认不尝试多格式推断——它只按单一格式解析，失败即停。
用 infer_datetime_format=False + errors='coerce' 是基础但不够
很多人以为加了 errors='coerce' 就万事大吉，其实不然：它只是把所有解析失败的转成 NaT，并不提升识别能力。真正关键的是关掉快速路径：
-
infer_datetime_format=False（默认是True，仅适用于高度规整格式，混合场景必须显式关掉） -
errors='coerce'保留容错，避免中断 - 但仅靠这两项，仍无法处理像
"15-03-2022"（日-月-年）和"03/15/2022"（月/日/年）共存的情况——Pandas 不自动猜顺序
示例：
df['date'] = pd.to_datetime(df['date_str'], infer_datetime_format=False, errors='coerce')
对高混合度数据，必须预定义多格式列表并循环尝试
当列中存在 3 种以上明显不同的格式（尤其含歧义分隔符或顺序），唯一可靠方式是提供 format 参数的候选列表，逐个试错。注意：format 不支持正则或通配，必须写死确切格式串：
- 用
datetime.strptime()验证单个格式是否合法（避免无效 format 字符报错） - 优先列出现频率高的格式，减少循环次数
- 对每个值，按顺序尝试各 format；一旦成功就跳出，避免重复解析
- 性能敏感时，可先用
.str.match()粗筛（如r'^\d{4}-\d{2}-\d{2}$'），再分组调用to_datetime
简化的手动 fallback 示例：
formats = ['%Y-%m-%d', '%m/%d/%Y', '%d/%m/%Y', '%b %d, %Y', '%Y%m%d']
def parse_mixed_date(x):
for fmt in formats:
try:
return pd.to_datetime(x, format=fmt)
except (ValueError, TypeError):
continue
return pd.NaT
df['date'] = df['date_str'].apply(parse_mixed_date)
时区与 dayfirst/yearfirst 的隐性影响
即使格式字符串匹配，"10/04/2023" 在英国是 4 月 10 日，在美国常被读作 10 月 4 日——Pandas 默认按 month/day/year 解析，除非你显式指定：
-
dayfirst=True：强制将首位解释为日（适合欧洲格式） -
yearfirst=True：首位为年（如"2023-04-01"安全，但"2023/04/01"也需设此参数才稳定） - 二者同时为
True会报错，不能共存 - 带时区字符串（如
"2023-04-01T12:00:00+08:00"）建议用utc=True统一转为 UTC，再按需.dt.tz_convert()
容易被忽略的是：dayfirst 和 yearfirst 在配合 format 参数时会被忽略——只有未指定 format 时才生效。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
