Python `to_datetime`和'parse_dates`都未能将数据类型转换为日期时间[ns]

我正在加载一些数据，其中包含

Date

列。以下是复制的样本：

    Date        Time        Latitude    Longitude
0   01/02/1965  13:44:18    19.246      145.616
1   01/04/1965  11:29:49    1.863       127.352
2   01/05/1965  18:05:58    -20.579     -173.972
3   01/08/1965  18:49:43    -59.076.    -23.557
4   01/09/1965  13:32:50    11.938      126.427

使用with

parse_dates=['Date']

加载此数据会导致

Date

列的显示方式不同，但将类型保留为

Object

：

    Date                Time        Latitude    Longitude
0   1965-01-02 00:00:00 13:44:18    19.246      145.616
1   1965-01-04 00:00:00 11:29:49    1.863       127.352
2   1965-01-05 00:00:00 18:05:58    -20.579     -173.972
3   1965-01-08 00:00:00 18:49:43    -59.076     -23.557
4   1965-01-09 00:00:00 13:32:50    11.938      126.427

import pandas as pd

data = pd.read_csv('data/database.csv', parse_dates=['Date'])
data.Date = data.Date.apply(pd.to_datetime) 

data[data.Date.dt.year >= 1970]

AttributeError: Can only use .dt accessor with datetimelike value

df.info（）

Data columns (total 21 columns):
 #   Column                      Non-Null Count  Dtype  
---  ------                      --------------  -----  
 0   Date                        23412 non-null  object 

如果在加载数据后使用
pd.to\u datetime（）
，也会发生同样的情况

问题是我不能在类型为
对象的列/序列上使用
.dt
属性：

    Date                Time        Latitude    Longitude
0   1965-01-02 00:00:00 13:44:18    19.246      145.616
1   1965-01-04 00:00:00 11:29:49    1.863       127.352
2   1965-01-05 00:00:00 18:05:58    -20.579     -173.972
3   1965-01-08 00:00:00 18:49:43    -59.076     -23.557
4   1965-01-09 00:00:00 13:32:50    11.938      126.427

import pandas as pd

data = pd.read_csv('data/database.csv', parse_dates=['Date'])
data.Date = data.Date.apply(pd.to_datetime) 

data[data.Date.dt.year >= 1970]

AttributeError: Can only use .dt accessor with datetimelike value

如果
Date
列的类型正确，则此操作正常工作。任何线索都值得欣赏。
您可以将
to_datetime（）
方法中的
错误
参数传递给
to_datetime（）
方法，并将其设置为等于“强制”，因此基本上，如果您的任何日期值的格式不是日期或
to_datetime（）
方法无法解析它们，则将这些值设置为
NaT
，并继续进一步解析：-

data['Date']=pd.to_datetime(data['Date'],errors='coerce')

现在通过以下方式检查列的数据类型：-

data.dtypes

It will gives you:-
Date         datetime64[ns]
Time                 object
Latitude             object
Longitude           float64

现在，当您看到日期列更改为“日期时间”时，您可以使用
dt
类

最后：-

data[data['Date'].dt.year >= 1970]

pd.to_datetime（df['Date']）
应该可以工作。还有一个
errors=
参数可以使用。你确定你所有的记录都是有效日期吗？@MattR不，我现在正在查看。我还注意到，访问
Date
列的单个索引会导致
timestamp
对象。我不知道这是不是一个线索。检查一下日期是否有不同的时区。如果是这种情况，请使用
utc=True
选项。@QuangHoang数据中没有时区，但设置
utc=True
确实解决了问题。谢谢，谢谢。我要试一试。你能详细解释一下这里发生了什么问题，需要额外使用
errors
参数吗？当然……更新了……请看一看，很好，谢谢。我发现2.3万行中有3行的格式是这样的
1975-02-23T02:58:41.000Z
，这肯定是在给工作带来麻烦。此外，@QuangHoang建议的
utc=True
也解决了这个错误。