3. 诊断日期列解析失败与混合时区偏移

问题定位：为什么 to_datetime 会失败

当一列字符串里同时混有 2024-03-01、01/03/2024、2024年3月1日 这类不同格式，并且部分行还带 +08:00、Z、-05:00 等时区标记时，pd.to_datetime 的默认行为是逐行推断格式。只要有一行推断失败，整列就会抛错或返回 NaT，而混合时区又会让结果变成 object 而不是带时区的 datetime64[ns, tz]。

排查的核心思路是：先用 errors='coerce' 把失败行暴露出来，再按格式分组处理，最后用 utc=True 统一时区。

可复现的排查脚本

下面用一份构造的示例数据演示完整流程。数据中的非法日期和混合时区都是人为设定的教学示例，不代表真实业务数据。

import pandas as pd

raw = pd.Series([
    "2024-03-01 08:30 +08:00",
    "01/03/2024 12:00 Z",
    "2024年3月1日 20:15 -05:00",
    "2024-13-45 10:00 +08:00",   # 非法月份/日期
    "2024-03-02 09:00 +08:00",
])

# ① 用 coerce 暴露失败行
probe = pd.to_datetime(raw, errors="coerce", utc=True)
bad_idx = probe[probe.isna()].index
print("失败行索引:", list(bad_idx))
print("失败原始值:", raw.loc[bad_idx].tolist())

# ② 按格式分组解析（示例：三种格式分别处理）
fmt_map = {
    "%Y-%m-%d %H:%M %z": raw.str.match(r"^\d{4}-\d{2}-\d{2} .*[+-]\d{2}:\d{2}$"),
    "%d/%m/%Y %H:%M %z": raw.str.match(r"^\d{2}/\d{2}/\d{4} .*Z$"),
    "%Y年%m月%d日 %H:%M %z": raw.str.contains("年"),
}

parsed = pd.Series(pd.NaT, index=raw.index, dtype="datetime64[ns, UTC]")
for fmt, mask in fmt_map.items():
    parsed.loc[mask] = pd.to_datetime(raw[mask], format=fmt, errors="coerce", utc=True)

# ③ 验证
print("dtype:", parsed.dtype)
print("剩余 NaT 数:", parsed.isna().sum())
print(parsed)

结果判读与常见陷阱

验证通过的标准是：dtype 为 datetime64[ns, UTC]，isna().sum() 与预期缺失数一致，且抽样对比原始字符串与解析结果的时间点换算正确。