Pandas 2.0 中 to_datetime 默认不再推断格式，format 参数需显式指定；error 行为更严格，unit 校验增强，底层改用 strptime + fastpath，不支持 dateutil 灵活语法，时区保留更一致，非标准空值需手动清洗。
to_datetime 在 Pandas 2.0 中默认不再自动推断 format
如果你升级到 Pandas 2.0 后发现 pd.to_datetime() 突然报错或解析结果异常，大概率是因为它默认关闭了 infer_datetime_format（该参数在 2.0 中已被移除），且不再尝试自动猜测日期格式。此前 1.x 版本中，只要字符串结构规整（如 "2023-05-12" 或 "12/05/2023"），to_datetime() 会悄悄启用快速路径；2.0 起这条路彻底关闭，所有输入都走严格解析逻辑。
这意味着：
- 原来能跑通的代码，比如
pd.to_datetime(["2023-05-12", "2023-05-13"])，现在仍能运行，但内部不再做任何 format 缓存或启发式匹配 - 一旦遇到混合格式（如
["2023-05-12", "12/05/2023"]），1.x 可能勉强返回结果（带警告），2.0 直接抛ValueError: Unable to infer the format -
format参数从“可选”变成“强烈建议显式指定”，尤其在批量处理时
error 参数行为变化：coerce 不再静默吞掉部分失败项
在 Pandas 1.x 中，error="coerce" 会把无法解析的值转为 NaT，哪怕只有一部分字符合法（例如 "2023-05-xx" 可能被截成 "2023-05-01"）；2.0 中这个行为被收紧——只要解析器在底层 datetime parser（基于 dateutil 或 strptime）层面失败，就立即标记为 NaT，不尝试容错补全。
典型表现：
立即学习“Python免费学习笔记（深入）”；
-
pd.to_datetime(["2023-05-12", "2023-05-xx"], errors="coerce")在 1.x 中可能返回[Timestamp('2023-05-12'), NaT]（看似正常），但在某些 1.x 小版本里曾把"xx"错误地当作日补成1—— 这类非预期修复在 2.0 彻底杜绝 - 如果你依赖旧版“半成功”解析（比如容忍末尾乱码），现在必须先用正则清洗，再传给
to_datetime() -
errors="raise"的报错位置更精准，指向具体索引而非笼统的“batch failed”
unit 和 origin 参数对时间戳解析的影响更严格
当输入是数值型（如 Unix 时间戳），to_datetime() 在 2.0 中对 unit 的校验变强：如果未指定 unit，且数值超过 1e11（约公元 5000 年的时间戳），会直接拒绝解析并提示 OutOfBoundsDatetime；而 1.x 可能默认按 ns 解析，导致结果偏差几个数量级。
常见踩坑点：
- 从数据库读出的毫秒级时间戳（如
1715432400000），忘记加unit="ms"→ 2.0 报错，1.x 返回错误年份（如 56329 年） -
origin默认仍是"unix"，但若设为"julian"或自定义时间点，2.0 要求unit必须明确，否则拒绝推断 - 使用
pd.to_datetime(1715432400, unit="s")是安全的；但pd.to_datetime([1715432400, 1715432400000])因单位混杂，2.0 拒绝自动判别，必须拆开或统一缩放
底层 parser 切换：从 dateutil 到 strptime + 自研 fastpath
Pandas 2.0 移除了对 dateutil.parser.parse 的默认依赖，改用 C 实现的 strptime-like 解析器 + 针对常见格式（%Y-%m-%d, %Y/%m/%d, %Y%m%d）的零拷贝 fastpath。这带来两个实际影响：
- 解析速度提升明显（尤其纯数字格式），但代价是：不支持
dateutil那些灵活语法（如"today","next Monday","2 days ago"）——这些现在必须显式调用dateutil.parser.parse单独处理 - 时区解析行为更一致：以前
to_datetime("2023-05-12T13:45:00+08:00")在不同环境下可能丢时区，2.0 默认保留tz-aware结果（前提是字符串含有效时区信息） - 如果你之前靠
dateutil的宽松性兼容各种用户输入（如 Excel 导出的混乱日期文本），现在得自己加一层预处理：先用正则归一化格式，再喂给to_datetime()
最易被忽略的一点：Pandas 2.0 的 to_datetime() 对空字符串、None、np.nan 的处理逻辑没变，但对 "N/A"、"missing" 这类非标准空值更敏感——它们不再被自动映射为 NaT，除非你显式传 na_values=["N/A"] 并配合 errors="coerce"。这种“语义空值”需要提前清洗，不能指望解析器兜底。
