我的数据有两个日期字段，但在数千万行中，有些行有错误。为了速度和内存限制，我宁愿在读入数据时就将列转换为datetime，但是我似乎不能强迫进程将NaT留给无效字符串，而不是引发错误。我可以在字段中读作uint32，以便以后强制转换为datetime，但是一旦我们有了parse_dates选项，这看起来就不必要地慢了。在

示例数据如下所示。在

这种方法非常有效，因为数据的格式总是很好：pd.read_table(filename,usecols=[0,8,9,11],parse_dates=[1,2])

但是，如果某些行无法转换，则会导致dtype对象，然后后续操作中断。在

pd.read_table(filename,usecols=[0,8,9,11],parse_dates=[1,2],dtype={'LopNr': np.uint32,'INDATUMA': np.uint32,'UTDATUMA': np.uint32,'DIAGNOS': np.object})，假设数据类型将在数据进入转换器之前应用于，则在某些行中的字符串上出现问题：ValueError: invalid literal for long() with base 10: 'string'

pd.read_table(filename,usecols=[0,8,9,11],parse_dates=[1,2],dtype={'LopNr': np.uint32,'INDATUMA': 'datetime64','UTDATUMA': 'datetime64','DIAGNOS': np.object})两者都不起作用，就像TypeError: the dtype

如果我准备将字符串格式不能解析为日期的行，那么处理这种数据的有效方法是什么？在

样本数据(所有有意义的数字替换为。为保密起见)，请注意，最后两行中有两个日期格式错误：LopNr AR KON ALDER LKF SJUKHUS MVO LT_KLIN INDATUMA UTDATUMA HDIA DIAGNOS OP PVARD INSATT UTSATT VTID EKOD. EKOD. ICD PEKARE OPD. OPD. OPD. OPD. OPD. OPD. OPD. OPD. OPD. OPD.. OPD.. OPD..

.. .... . . ...... ..... ... ... 19970320 19970320 S... S... . . . . W.... ..

.. .... . . ...... ..... ... ... 19970306 19970307 S... S... . . . . W.... ..

.. .... . .. ...... ..... ... ... 19961219 19970208 Z... Z... S... . . . .. W.... ..

.. .... . .. ...... ..... ... ... 19970208 19970320 Z... Z... S... . . . .. W.... ..

.. .... . .. ...... ..... ... ... 19970604 19970611 I... I... I... I... . . . . ..

.. .... . .. ...... ..... ... ... 19970402 19970406 O800A O800A . . . . ..

.. .... . .. ...... ..... ... ... 19970412 19970415 R... R... I... Z... J... . . . . ..

.. .... . .. ...... ..... ... ... 19970520 19970523 R... R... I... J... V.... . . . . .. .

.. .... . .. ...... ..... ... ... 19970504 19970507 I... I... . . . . ..

.. .... . .. ...... ..... ... ... 1997050 19970507 I... I... . . . . ..

.. .... . .. ...... ..... ... ... 19970504 string I... I... . . . . ..