为什么 Pandas 停止解析 mm/dd/yyyy 日期格式？答案

【问题标题】：Why did Pandas stopped parsing mm/dd/yyyy date format?为什么 Pandas 停止解析 mm/dd/yyyy 日期格式？
【发布时间】：2018-04-14 11:11:48
【问题描述】：

Pandas 过去常常在索引和切片中解析 datetime 字符串以获得说服力，但是，它似乎停止将 mm/dd/yyyy 解析为日期格式。

以下代码示例均返回error parsing datetime string：

案例一：

import pandas as pd
#to_datetime method
pd.to_datetime(['05/05/2017', '11/13/2017'])

案例 2：

#date_range
longer_ts = pd.Series(np.random.randn(1000),
                      index=pd.date_range('1/1/2000', periods=1000))

案例 3：

#Slicing a Series
from datetime import datetime
dates = [datetime(2011, 1, 2), datetime(2011, 1, 5)]
ts = pd.Series(np.random.randn(2), index=dates)
ts['01/05/2011']

我知道我可以使用yyyy-mm-dd，或者我什至可以使用dateutil.parser 中的parse()。

顺便说一句，Wes McKinney 在他关于 Pandas 的书中多次使用这种日期格式。

他们为什么停止支持它？

【问题讨论】：

我无法复制。 pd.to_datetime(['05/05/2017', '11/13/2017']) 对我来说很好。
我在 Python 3.6.4 上使用 Pandas 0.17.1。切片也适合你吗？

标签： python pandas date datetime

【解决方案1】：

从to_datetime的文档可以看出有一个说法：

格式：字符串，默认无。 strftime 解析时间，例如“%d/%m/%Y”，注意“%f”会一直解析到纳秒。

这很好用，例如：

>>> pd.to_datetime(['05/05/2017', '11/13/2017'], format='%m/%d/%Y')
DatetimeIndex(['2017-05-05', '2017-11-13'], dtype='datetime64[ns]', freq=None)

请注意，'11/ 13/2017' 中有一个额外的空间。

请注意，您也可以将其与 date_range 一起使用：

pd.date_range(pd.to_datetime('05/03/2017'), periods=200)

【讨论】：

这在to_datetime 的情况下确实有效，但是它不能用于切片，也不能用于date_range。我知道如何绕过它，但这太不方便了。
@iDrwish 嘿，请注意，您可以在 date_range 中使用 to_datetime，但是，是的，这需要更多的输入。
pd.DatetimeIndex 确实接受mm/dd/yyyy 格式，有点不一致。