Python to_datetime值错误：至少必须指定[年、月、日]

我正在阅读两个不同的CSV，每个CSV的列中都有日期值。在读取完csv后，我想用to_datetime方法将数据转换为datetime。每个CSV中的日期格式略有不同，尽管在to_datetime format参数中注意到并指定了这些差异，但其中一个可以很好地转换，而另一个返回以下值错误

ValueError: to assemble mappings requires at least that [year, month, day] be sp
ecified: [day,month,year] is missing

第一个dte.head（）

此数据帧使用以下代码进行精细转换：

dte = pd.to_datetime(dte, infer_datetime_format=True)

或

第二个dtd.head（）

此csv不会使用以下任何一种方式进行转换：

dtd = pd.to_datetime(dtd, infer_datetime_format=True)

或

它返回上面的值错误。然而，有趣的是，使用parse_dates和推断_datetime_格式作为read_csv方法的参数可以很好地工作。这是怎么回事

对于me works功能：

---

您可以

stack

/

pd.to\u datetime

/

unstack

pd.to_datetime(dte.stack()).unstack()

解释

pd.to\u datetime

适用于字符串、列表或

pd.Series

dte

是一个

pd.DataFrame

，这就是您遇到问题的原因

dte.stack（）

生成一个a

pd.Series

，其中所有行堆叠在一起。但是，在这种堆叠形式中，因为它是一个

pd.Series

，所以我可以得到一个向量化的

pd.to\u datetime

来处理它。随后的

unstack

简单地反转初始

堆栈

，以获得

dte的原始形式

它对我有效：

dtd.apply(lambda x: pd.to_datetime(x,errors = 'coerce', format = '%Y-%m-%d'))

---

通过这种方式，您可以使用上述函数属性（错误和格式）。查看更多信息，只想添加-errors='concurve'以避免可能出现的任何错误/空值

dtd = dtd.apply(pd.to_datetime(errors='coerce'))

---

令人惊叹的。很简单。谢谢很高兴能帮助你！对不起，我是新来的，没有意识到我需要接受它。然而，我仍然好奇错误的原因是什么。有什么想法吗？我想问题是

到_datetime

需要

系列

在旧版本的熊猫中，在新版本中我得到错误

属性错误：“numpy.int64”对象没有属性“lower”

，因为它需要最少3列

年份

，

月

和

日

-参见中的第一个示例。@Dorian821还注意到，jezrael的回答使用了

apply

，它取

dtd的每一列

，并使用

pd.to_datetime

。这是因为每列都是一个

pd.Series

，非常适合使用

pd.to\u datetime

。这是如何工作的？我不明白操作的逻辑啊，好的。非常感谢您的解释。@piRSquared-我想您可以在回答中添加您的评论；）

dtd = pd.to_datetime(dtd, format='%Y-%m-%d')

print (dtd)
            1           2           3           4           5           6
0                                                                        
0  2004-01-02  2004-01-02  2004-01-09  2004-01-16  2004-01-23  2004-01-30
1  2004-01-05  2004-01-09  2004-01-16  2004-01-23  2004-01-30  2004-02-06
2  2004-01-06  2004-01-09  2004-01-16  2004-01-23  2004-01-30  2004-02-06
3  2004-01-07  2004-01-09  2004-01-16  2004-01-23  2004-01-30  2004-02-06
4  2004-01-08  2004-01-09  2004-01-16  2004-01-23  2004-01-30  2004-02-06


dtd = dtd.apply(pd.to_datetime)

print (dtd)
           1          2          3          4          5          6
0                                                                  
0 2004-01-02 2004-01-02 2004-01-09 2004-01-16 2004-01-23 2004-01-30
1 2004-01-05 2004-01-09 2004-01-16 2004-01-23 2004-01-30 2004-02-06
2 2004-01-06 2004-01-09 2004-01-16 2004-01-23 2004-01-30 2004-02-06
3 2004-01-07 2004-01-09 2004-01-16 2004-01-23 2004-01-30 2004-02-06
4 2004-01-08 2004-01-09 2004-01-16 2004-01-23 2004-01-30 2004-02-06

pd.to_datetime(dte.stack()).unstack()

dtd.apply(lambda x: pd.to_datetime(x,errors = 'coerce', format = '%Y-%m-%d'))

dtd = dtd.apply(pd.to_datetime(errors='coerce'))