当 pandas 的 to_datetime() 遇到仅有年份（如 "1922"）却默认按 %Y-%m-%d 解析时，会抛出格式不匹配错误；解决方法是显式指定 format='%Y' 或使用 infer_datetime_format=True 等策略。
当 pandas 的 `to_datetime()` 遇到仅有年份（如 `"1922"`）却默认按 `%y-%m-%d` 解析时，会抛出格式不匹配错误；解决方法是显式指定 `format='%y'` 或使用 `infer_datetime_format=true` 等策略。
在使用 pd.to_datetime() 将字符串列转为 datetime 类型时，pandas 默认尝试按 ISO 标准（如 "2023-01-01"）解析。但若你的 release_date 列实际只包含年份（例如 "1922"、"1998"），pandas 会因无法匹配默认期望的 "YYYY-MM-DD" 格式而报错：
ValueError: time data "1922" doesn't match format "%Y-%m-%d", at position 3
✅ 正确做法是明确告知 pandas 输入数据的实际格式。对于纯年份字符串，应使用 format='%Y'：
df_tracks.set_index('release_date', inplace=True)
df_tracks.index = pd.to_datetime(df_tracks.index, format='%Y') # ✅ 指定年份格式
df_tracks.head()执行后，"1922" 将被转换为 Timestamp('1922-01-01 00:00:00') —— 即自动补全为当年 1 月 1 日。
? 其他实用选项（按场景推荐）：
- 若数据格式混杂（如部分为 "1999"，部分为 "2020-05"，还有 "2021-03-15"），改用 format='mixed'（需 pandas ≥ 2.0）：
df_tracks.index = pd.to_datetime(df_tracks.index, format='mixed')
- 若不确定格式但希望自动推断（性能略优），可加 infer_datetime_format=True：
df_tracks.index = pd.to_datetime(df_tracks.index, infer_datetime_format=True)
- 若原始数据中存在无效值（如空字符串、None），建议添加 errors='coerce' 将其转为 NaT，避免中断：
df_tracks.index = pd.to_datetime(df_tracks.index, format='%Y', errors='coerce')
⚠️ 注意事项：
- format 参数必须与字符串严格一致（如 %Y 对应 4 位年份，%y 对应 2 位）；
- 错误使用 format（如对 "1999-06" 传入 '%Y'）仍会报错；
- 设置 inplace=True 后无需重新赋值，但 pd.to_datetime() 本身不支持 inplace，务必通过赋值更新索引。
掌握格式显式声明原则，即可稳健处理各类非标准日期字段。
