pandas.to_datetime 时间字符串格式不一致

我正在尝试转换 a 的索引pandas.DataFrame从字符串格式到日期时间索引，使用pandas.to_datetime().

导入熊猫：

In [1]: import pandas as pd

In [2]: pd.__version__
Out[2]: '0.10.1'

创建一个示例数据框：

In [3]: d = {'data' : pd.Series([1.,2.], index=['26/12/2012', '10/01/2013'])}

In [4]: df=pd.DataFrame(d)

看指数。请注意，日期格式为日/月/年：

In [5]: df.index
Out[5]: Index([26/12/2012, 10/01/2013], dtype=object)

将索引转换为日期时间：

In [6]: pd.to_datetime(df.index)
Out[6]: 
<class 'pandas.tseries.index.DatetimeIndex'>
[2012-12-26 00:00:00, 2013-10-01 00:00:00]
Length: 2, Freq: None, Timezone: None

在此阶段，您可以看到每个条目的日期格式已采用不同的格式。第一个很好，第二个交换了月份和日期。

这就是我想写的，但要避免日期字符串格式不一致：

In [7]: df.set_index(pd.to_datetime(df.index))
Out[7]: 
data
2012-12-26   1
2013-10-01   2

我猜第一个条目是正确的，因为函数“知道”没有 26 个月，因此不会选择默认的月/日/年格式。

还有另一种/更好的方法吗？我可以将格式传递到to_datetime()功能？

谢谢。

EDIT:

我找到了一种方法来做到这一点，无需 pandas.to_datetime：

import datetime.datetime as dt
date_string_list = df.index.tolist()
datetime_list = [ dt.strptime(date_string_list[x], '%d/%m/%Y') for x in range(len(date_string_list)) ]
df.index=datetime_list

但有点乱。欢迎任何改进。

有（隐藏的？）dayfirst论证to_datetime https://github.com/pydata/pandas/blob/master/pandas/tseries/tools.py#L51:

In [23]: pd.to_datetime(df.index, dayfirst=True)
Out[23]:
<class 'pandas.tseries.index.DatetimeIndex'>
[2012-12-26 00:00:00, 2013-01-10 00:00:00]
Length: 2, Freq: None, Timezone: None

在 pandas 0.11（以上版本）中，您将能够使用format争论：

In [24]: pd.to_datetime(df.index, format='%d/%m/%Y')
Out[24]:
<class 'pandas.tseries.index.DatetimeIndex'>
[2012-12-26 00:00:00, 2013-01-10 00:00:00]
Length: 2, Freq: None, Timezone: None