Python 使用pd.read\u csv时跳过日期不正确的行

我正在使用

pd.read\u csv

从外部数据源读取csv文件，如下代码所示：

pd.read_csv(
    BytesIO(raw_data),
    parse_dates=['dates'],
    date_parser=np.datetime64,
)

但是，正在发送的csv中的某个地方存在格式错误的日期，导致以下错误：

ValueError: Error parsing datetime string "2015-08-2" at position 8

这会导致整个应用程序崩溃。当然，我可以通过try/except来处理这种情况，但这样我将丢失该特定csv中的所有其他数据。我需要保存和解析其他数据

我无法预测此数据（每天更改）的日期格式是否不正确。有没有办法让pd.read\u csv只跳过日期不正确的行，但仍然解析csv中的所有其他行

正在发送的csv中的某个地方有一个格式错误的日期

需要字符串才能正常工作。好消息是，您可以在自己的函数中包装

np.datetime64

，并将其用作

date\u解析器

：

def parse_date(v):
   try:
      return np.datetime64(v)
   except:
      # apply whatever remedies you deem appropriate
      pass
   return v

   pd.read_csv(
     ...
     date_parser=parse_date
   )

我需要保存和解析其他数据

我经常发现，像这样更灵活的日期解析器比

np.datetime64

更有效，甚至可以在没有额外功能的情况下工作：

import dateutil
pd.read_csv(
    BytesIO(raw_data),
    parse_dates=['dates'],
    date_parser=dateutil.parser.parse,
)

---

下面是使用pd.convert_objects（）方法执行此操作的另一种方法：

---

使用内置的

pd.to_datetime

，将非日期类型的数据转换为

NaT

pd.read_csv(
    BytesIO(raw_data),
    parse_dates=['dates'],
    date_parser=pd.to_datetime,
)

现在，您可以使用标准nan/null检查筛选出无效行

df = df[~df["dates"].isnull()]

---

检查的

skiprows

参数。您可以传递日期不正确的行号列表，但您需要知道行号。可能的格式是什么？如果您愿意，请进行向下投票，请添加注释，以便我可以改进答案。谢谢。我不想更改代码的核心功能。由于项目特定的原因，我需要使用

np.datetime64

，所以这需要保留。对不起，我不是有意否决。除了建议远离

np.datetime64

，这是一个很好的解决方案。谢谢@我知道是最新的程序员，更新后能更好地反映您的需求

df = df[~df["dates"].isnull()]