pandas识别中英文日期格式技巧

小伙伴们有没有觉得学习文章很有意思？有意思就对了！今天就给大家带来《pandas 识别中英文日期格式方法》，以下内容将会涉及到，若是在学习中对其中部分知识点有疑问，或许看了本文就能帮到你！

处理混杂中英文日期需分层：先设locale支持中文环境，再用多格式列表逐个尝试+errors='coerce'，辅以预清洗（标点标准化、大小写统一）或dateutil.parser.fuzzy=True应对含文字的不规则字符串。

直接用 pd.to_datetime() 处理混杂中英文日期（如 "2023-05-12"、"2023年5月12日"、"May 12, 2023"、"12/05/2023"）时，默认会失败或误解析。关键不是靠单一格式硬匹配，而是分层处理：先统一语言环境，再用多格式尝试，必要时预清洗。

启用 locale 支持并设置中文环境

部分中英文混合格式（尤其是带“年”“月”“日”的中文）需系统级 locale 支持。Linux/macOS 下可临时设置：
import locale
locale.setlocale(locale.LC_TIME, 'zh_CN.UTF-8')（中文）或 'en_US.UTF-8'（英文）
⚠️ Windows 用户建议用 'Chinese_China.936' 或直接跳过此步，优先走多格式 fallback 方案。

用 multiple formats + errors='coerce' 逐个尝试

最稳定的做法：把常见格式列成列表，循环尝试，遇到第一个成功解析的就返回结果：

示例代码：

formats = [
  "%Y-%m-%d",
  "%Y年%m月%d日",
  "%Y/%m/%d",
  "%m/%d/%Y",
  "%B %d, %Y",            # 如 "May 12, 2023"
  "%b %d, %Y",            # 如 "May 12, 2023" 或 "may 12, 2023"
  "%d/%m/%Y",
]
def parse_mixed_date(s):
  for fmt in formats:
    try:
      return pd.to_datetime(s, format=fmt)
    except (ValueError, TypeError):
      continue
  return pd.NaT
df['date'] = df['date_str'].apply(parse_mixed_date)

预清洗：标准化中文标点与空格

中文日期常含全角字符（如“－”、“／”、“　”），导致 format 匹配失败。先做简单清洗：

• 用 .str.replace('年|月', '-', regex=True).str.replace('日', '', regex=True) 把“2023年05月12日”转成 "2023-05-12"
• 替换全角斜杠、短横、空格：.str.replace('[／\\s\u3000]+', '/', regex=True)
• 转小写处理英文月份：.str.lower().str.replace(r'^jan', 'jan', regex=True)（可选）

用 dateutil.parser 配合 fuzzy=True（适合不规则文本）

当日期藏在更长字符串里（如 "下单时间：2023年5月12日下午3点"），dateutil.parser.parse 更鲁棒：

from dateutil import parser
def fuzzy_parse(s):
  try:
    return parser.parse(str(s), fuzzy=True)
  except (ValueError, TypeError):
    return pd.NaT
df['date'] = df['date_str'].apply(fuzzy_parse)

⚠️ 注意：fuzzy=True 会牺牲一点性能，且对纯数字格式（如 20230512）可能误判，建议只用于明显含文字的混杂字段。

今天关于《pandas识别中英文日期格式技巧》的内容就介绍到这里了，是不是学起来一目了然！想要了解更多关于的内容请关注golang学习网公众号！