Python 转换为datetime-查看所有数据引发异常

假设我在

python

和

pandas

中运行以下行：

# Load data
data = pd.read_csv('C:/Users/user/Desktop/data.txt',\
                   keep_default_na=True, sep='\t', na_values='?')


# Convert to datetime column
data['Date'] = pd.to_datetime(data['Date'], errors='raise', dayfirst=True)

然而，我希望看到本专栏中所有关于熊猫异常的数据

为此，我写了这样一篇文章：

exceptions = []
for index, row in data.iterrows():

    try:
        row['PICKUP_DT'] = pd.to_datetime(row['PICKUP_DT'], errors='raise', dayfirst=True)

    except:
        exceptions.append(row['PICKUP_DT'])


dataframe = pd.DataFrame({'Exceptions': exceptions})

dataframe.to_csv('C:/Users/user/Desktop/EXCEPTIONS.csv', index=False, na_rep='NA')

有没有更好的办法

---

实际上，我认为会有一种内置的

pandas

方法来实现这一点。

使用

.loc

获取所有有问题的行，检查

.isnull（）

以获得带有

errors='concurve'

的结果。我将

NaN

排除在外，因为

pd.to_datetime

不会引发空值错误

样本数据 代码：

---

这是一个有趣的想法，谢谢。但是，我不确定它是否比我的效率更高。@PoeteMaudit它不会在行上迭代，所以应该更好。好的，谢谢。（我猜'pd.to_datetime'确实会迭代，但我还没有看到源代码，所以我不知道。）

import pandas as pd
import numpy a np
data = pd.DataFrame({'Date': [np.NaN, '12-03-2019', '001111231', '46-06-1988']})
#         Date
#0         NaN
#1  12-03-2019
#2   001111231
#3  46-06-1988

data.loc[pd.to_datetime(data.Date, errors='coerce', dayfirst=True).isnull()
         & data.Date.notnull(), 'Date']
#2     001111231
#3    46-06-1988
#Name: Date, dtype: object