这里的问题是to_datetime静默失败，因此dtype保持为str/object，如果设置参数errors='coerce'，则如果任何特定字符串的转换失败，则这些行将设置为NaT。

df['Date'] = pd.to_datetime(df['Date'], errors='coerce')

因此，您需要找出这些特定行值的问题所在。
参见docs

首先，您需要定义日期列的格式。

df['Date'] = pd.to_datetime(df.Date, format='%Y-%m-%d %H:%M:%S')

对于您的案例库格式可以设置为;

df['Date'] = pd.to_datetime(df.Date, format='%Y-%m-%d')

之后，您可以设置/更改所需的输出，如下所示：

df['Date'] = df['Date'].dt.strftime('%Y-%m-%d')

此处的问题是"Date"的数据类型仍为str/object。在使用read_csv时，可以使用parse_dates参数

import pandas as pd
file = '/pathtocsv.csv'
df = pd.read_csv(file, sep = ',', parse_dates= [col],encoding='utf-8-sig', usecols= ['Date', 'ids'],)    
df['Month'] = df['Date'].dt.month

从the documentation for the parse_dates parameter开始

• • 解析日期**：* bool或int列表或names列表或dict列表，默认为False *

其行为如下所示：

• 布尔值。如果为True-〉，请尝试分析索引。
• int或名称的列表。例如，If [1，2，3]-〉尝试将列1，2，3分别解析为单独的日期列。
• 列表的列表。例如，If 1，3-〉将第1列和第3列合并，并解析为单个日期列。
• dict，例如{'foo '：[1，3 ]}-〉将第1、3列解析为日期并调用结果'foo'

如果列或索引无法表示为日期时间数组（例如，由于不可分析的值或混合时区），则列或索引将作为对象数据类型返回，而不做任何更改。对于非标准日期时间分析，请在pd.read_csv之后使用pd.to_datetime。要分析混合时区的索引或列，请执行以下操作：将date_parser指定为部分应用的pandas.to_datetime()，utc=True。有关详细信息，请参阅解析混合时区的CSV。
注意：iso8601格式的日期有一个快速路径。
这个问题的相关案例是"int或名称列表"。
col是"Date"的列索引，它解析为单独的日期列。

将日期转换为正确的格式，以便轻松执行日期时间操作

df_Time_Table["Date"] = pd.to_datetime(df_Time_Table["Date"])

# Cal Year
df_Time_Table['Year'] = df_Time_Table['Date'].dt.strftime('%Y')

第一个月

我在尝试使用pd.Series.dt.floor时遇到了类似的问题，尽管我的pd.Series中的所有元素都是datetime.datetime示例（绝对没有NA），我怀疑这与具有不同时区的tz感知示例有关。
为了利用pd.Timestamp.floor方法，我的解决方法是定义以下函数：

def floor_datetime(base_datetime_aware, freq="2H"):
    return pd.Timestamp(base_datetime_aware).floor(freq)

我只会使用pd.Series.apply通过函数获取Series的每个元素。
最后，当您使用.dt访问器时，您将使用的函数是基类的方法，因此使用apply和一个像我这样的简短自定义函数可能会解决您的问题！

当你写作的时候

df['Date'] = pd.to_datetime(df['Date'], errors='coerce')
df['Date'] = df['Date'].dt.strftime('%m/%d')

可以修好的