Pandas to_datetime 解析错误：未知字符串格式

在本文中，我们将介绍Pandas中出现的常见错误 – Unknown string format（未知字符串格式）。
使用Pandas进行数据清洗和转换时，经常需要将字符串datetime转换为Pandas的datetime格式。这可以通过Pandas to_datetime函数完成。 然而有时，当我们尝试将datetime字符串转换为Pandas datetime格式时，会出现“Unknown string format”错误。下面我们将找出常见的原因和解决方案。
阅读更多：Pandas 教程

常见错误

以下是一些常见的原因和解决方案，以避免“Unknown string format”错误：

格式不匹配

当输入的字符串格式与to_datetime函数要求的Pandas datetime格式不匹配时，将会出现“Unknown string format”错误消息。例如，以下代码将无法转换字符串日期：

import pandas as pd

date_str = "2022-01-01"
pd.to_datetime(date_str, format="%d-%m-%Y")

输出：

ValueError: time data '2022-01-01' does not match format '%d-%m-%Y' (match)

这是因为我们使用的格式字符串（’%d-%m-%Y’）与输入日期（’2022-01-01’）的格式不匹配。保证输入日期和格式字符串匹配即可解决这个问题。

带有错误格式的数据

如果数据不是以正确的格式提供的，也会出现“Unknown string format”错误。例如：

date_str = "2022-01-01 10:30:00.9x"
pd.to_datetime(date_str)

输出：

ValueError: Unknown string format: '2022-01-01 10:30:00.9x'

这是因为数据中包含不允许的字符“x”。解决此问题的一种方法是删除无法识别的字符或更换有识别字符的格式。例如：

date_str = "2022-01-01 10:30:00.9"
pd.to_datetime(date_str)

输出：

Timestamp('2022-01-01 10:30:00.900000')

缺失值

如果输入中包含缺失值，则to_datetime函数无法正常工作。例如：

date_str = "2022-01-00"
pd.to_datetime(date_str)

输出：

ValueError: day is out of range for month: 0

在这种情况下，请先处理数据并删除缺失值，以便to_datetime函数可以按预期工作。

解决方案

有几种常见的解决方案可用于解决“Unknown string format”错误：

使用format参数

如前所述，可以使用format参数指定格式字符串来帮助处理数据。例如：

date_str = "2022-01-01"
pd.to_datetime(date_str, format="%Y-%m-%d")

输出：

Timestamp('2022-01-01 00:00:00')

这里，我们为to_datetime函数提供了一个格式字符串，表示字符串日期的正确格式。

自动检测格式

为了简化转换过程，Pandas提供了自动检测输入字符串的格式的选项。 只需将infer_datetime_format参数设置为True即可：

date_str = "2022-01-01"
pd.to_datetime(date_str, infer_datetime_format=True)

输出：

Timestamp('2022-01-01 00:00:00')

如果输入字符串与ISO 8601标准格式匹配，则此方法非常有用。请注意，自动检测格式可能会带来一些性能损失。

弃用错误的数据

如果无法准确地转换日期字符串，则可以使用错误处理选项，将日期设置为NaT（Not a Time）值，或丢弃字符串。要将无效日期设置为NaT，请使用errors=”coerce”选项：

date_str = "2022-01-00"
pd.to_datetime(date_str, errors="coerce")

输出：

NaT

这里，日期字符串无效，因此将被弃用，并作为NaT值返回。
如果您想从数据集中删除无效日期，则可以使用errors=”ignore”选项将其简单忽略：

date_str = "2022-01-00"
pd.to_datetime(date_str, errors="ignore")

输出：

'2022-01-00'

要点总结

• Unknown string format（未知字符串格式）是指无法将字符串datetime转换为Pandas datetime格式；
• 此错误通常由于格式字符串不匹配、带有错误的数据或缺失值所致；
• 可以使用format参数、自动检测格式或错误处理选项来解决此错误；
• 要处理此错误，请确保正确指定数据格式、清理错误数据并删除缺失值。
  这些解决方案可帮助您更轻松地处理Pandas to_datetime解析错误：未知字符串格式。 事实上，一旦您理解了这些问题并学会了如何纠正它们，将能够更快地清理和转换日期数据，并成功完成数据分析项目。