Python pd.to_日期时间更改日期格式产生错误日期

我从csv文件中提取了下表：

时间戳用户id成本值1
2011年1月1日11:3
2012年7月1日11957
2013年9月1日12163
2011年2月1日220 8

为此，我使用了以下声明： 作为pd进口熊猫

newnames = ['date','user_id', 'cost', 'val1']
df = pd.read_csv('expenses.csv', names = newnames, header = False)
df['timestamp'] = pd.to_datetime(df['timestamp'],format='%d%m%Y')

但在df中获得的表格日期是错误的：月和日被无故排列，即2013年9月1日变为2013年1月9日

---

非常感谢您的帮助。

这肯定不是随机的。熊猫默认为美国日期格式，如果没有意义，则返回，即

“12/3/2014”

变为

2014-12-03

，而

“13/3/2014”

将解析为

2014-03-13

---

您可以将

dayfirst=True

传递到

pd.read\u csv

以强制进行欧式日期解析。

由于美国/欧洲的时间解析兼容性，有时会发生这种情况

我遵循的是

案例1

如果您确定输入文件的时间戳格式正确，并且希望在默认解析器上使用它，如本例所示，请使用

pd.to\u datetime

pd.to_datetime(df['timestamp'], dayfirst=True)

案例2

如果不确定格式的正确性，请使用默认值，

---

pd.to_datetime（df['timestamp']，dayfirst=True）

您正在使用什么版本的pandas，您可以尝试：

df=pd.read_csv（'expenses.csv'，name=newnames，header=False，parse_dates=[0]）

并查看此工作是否使用自动安装了pandas和IPython等库的anaconda。我如何检查最后一个版本（不过我相信我的python版本是2.17）。df=pd.read_csv（'expenses.csv'，names=newnames，header=False，parse_dates=[0]）不起作用。do

pd.version.version

OK不确定，可能是@filmor声明的，您也可以尝试

df=pd.read_csv（'expenses.csv'，names=newnames，header=False，parse_dates=True）

，我注意到您的格式字符串中没有包含分隔符：

df['timestamp']=pd.to_datetime（df['timestamp']，格式=“%d/%m/%Y”）

格式字符串中不需要“/”分隔符吗？如何使用dayfirst参数强制进行欧式日期解析？谢谢！