使用带有dayfirst=True参数的to_datetime，对于最终输出DD.MM.YYYY HH:MM:SS，使用Series.dt.strftime：

df = pd.DataFrame({'date':['29.05.2023 01:00:00', 
                           '29.05.2023', 
                           '28.05.2023 23:00:00',
                           '4.10.2023']})

df['date'] = pd.to_datetime(df['date'], dayfirst=True).dt.strftime('%d.%m.%Y %H:%M:%S')
print (df)
                  date
0  29.05.2023 01:00:00
1  29.05.2023 00:00:00
2  28.05.2023 23:00:00
3  04.10.2023 00:00:00

试着做：

df['date'] = pd.to_datetime(df['date'])

在许多情况下，它将工作在所有熟悉的格式，您可以尝试添加：，format='mixed'：

df['date'] = pd.to_datetime(df['date'], format='mixed')

您可以通过转换为混合格式的datetime，然后将输出格式设置为您选择的格式：

df['date'] = pd.to_datetime(df["date"], format='mixed').dt.strftime('%d.%m.%Y %H:%M:%S')

输出：

date
0   29.05.2023 01:00:00
1   29.05.2023 00:00:00
2   28.05.2023 23:00:00

Pandas pd.to_datetime（） 通过三个选项支持日期时间不一致
错误'ignore'，'raise'，'coerce'}，默认值'raise'
如果为'raise'，则无效的解析将引发异常。
如果为'coerce'，则无效解析将被设置为NaT。
如果为'ignore'，则无效的解析将返回输入。
在这种情况下，可以使用coerce。
步骤1：创建 Dataframe 与所有不一致的datetime格式字符串

df = pd.DataFrame({'date': ['29.05.2023 01:00:00', '29.05.2023', '28.05.2023 23:00:00']})

步骤2：将它们转换为datetime对象

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

第三步：然后，可以用默认值填充缺少的部分; 00：00：00或其他特定时间。

df['date'] = df['date'].dt.strftime('%d.%m.%Y %H:%M:%S').fillna(df['date'].dt.strftime('%d.%m.%Y 00:00:00'))

然后，输出将是一致的。

0    29.05.2023 01:00:00
1    29.05.2023 00:00:00
2    28.05.2023 23:00:00
Name: date, dtype: object