Bỏ qua đến nội dung chính
Mục lục

Đọc ngày dd/mm/yyyy trong pandas: dayfirst và format

AIDev Team · duyệt: Nguyễn Việt Chung

Bài 2/17 · Chương 8

Dữ liệu thời gian

  • 7 phút
  • Cơ bản
  • Python 3.14
  • Cập nhật

Khi đọc ngày dd/mm/yyyy như 05/10/2025, pandas cần được báo rằng ngày đứng trước tháng, bằng tham số dayfirst hay format của pd.to_datetime(). Nếu không, phần mềm đọc theo thói quen của người Mỹ (tháng trước, ngày sau) và ngày 5 tháng 10 thành ngày 10 tháng 5 mà không có lỗi nào hiện ra.

Cần biết trước: pd.to_datetime(), fillna() và strftime(), strptime().

Báo ngày đứng trước bằng dayfirst=True

Sổ nhập hàng của chi nhánh Huế ghi ngày kiểu Việt Nam, như cách định dạng ngày kiểu Việt Nam in ra. dayfirst=True nói với pandas: trong mỗi chuỗi, số đầu là ngày, số thứ hai là tháng.

python
import pandas as pd

nhap = pd.Series(["05/10/2025", "12/10/2025", "03/11/2025",
                  "20/11/2025"])
ngay = pd.to_datetime(nhap, dayfirst=True)
print(ngay)

KẾT QUẢ

0   2025-10-05
1   2025-10-12
2   2025-11-03
3   2025-11-20
dtype: datetime64[us]

Kết quả in theo kiểu ISO năm, tháng, ngày, nên dễ kiểm: bốn ngày cùng nằm trong tháng 10 và 11. dayfirst=True chỉ là lời gợi ý cho cách pandas đoán định dạng; nó không kiểm từng ô có đúng mẫu dd/mm/yyyy hay không.

Khai đủ định dạng bằng format=

format= nhận đúng chuỗi mã của strptime(): %d là ngày, %m là tháng, %Y là năm bốn chữ số. Khác dayfirst, nó là một quy tắc: ô nào không khớp mẫu thì không đọc.

python
import pandas as pd

nhap = pd.Series(["5/10/2025", "12/10/2025", "2025-11-03",
                  "20/11/2025"])
ngay = pd.to_datetime(nhap, format="%d/%m/%Y", errors="coerce")
print(ngay)

KẾT QUẢ

0   2025-10-05
1   2025-10-12
2          NaT
3   2025-11-20
dtype: datetime64[us]

Mã %d khớp cả ngày viết một chữ số lẫn hai chữ số, %m cũng vậy với tháng, nên ô 5/10/2025 vẫn đọc đúng. Ô 2025-11-03 viết kiểu khác nên thành NaT thay vì bị đọc sai. Đổi "%d/%m/%Y" thành "%Y-%m-%d" rồi chạy lại: chỉ dòng 2 còn một ngày, 2025-11-03, ba dòng còn lại thành NaT.

Cột lẫn hai định dạng: đọc hai lượt rồi ghép bằng fillna()

Danh sách phiếu bảo hành có cột hạn bảo hành do hai nguồn ghi: form trên web lưu 2025-11-04, nhân viên quầy gõ tay 17/11/2025. Không một format= nào khớp cả cột, nên bạn đọc cột đó hai lần. Lần đầu chỉ nhận kiểu Việt Nam, lần sau chỉ nhận kiểu ISO; mỗi lần, ô sai kiểu thành NaT. Sau đó fillna() vá chỗ NaT của kết quả đầu bằng kết quả sau:

python
import pandas as pd

han = pd.Series(["2025-11-04", "17/11/2025", "2025-11-09",
                 "08/11/2025"])
theo_vn = pd.to_datetime(han, format="%d/%m/%Y", errors="coerce")
theo_iso = pd.to_datetime(han, format="%Y-%m-%d", errors="coerce")
ngay = theo_vn.fillna(theo_iso)
print(ngay)
print("Không đọc được:", ngay.isna().sum())

KẾT QUẢ

0   2025-11-04
1   2025-11-17
2   2025-11-09
3   2025-11-08
dtype: datetime64[us]
Không đọc được: 0

Mỗi ô chỉ khớp một trong hai mẫu, nên mỗi ô có đúng một lượt đọc được. Dòng 0 và 2 là NaT trong theo_vn, và fillna(theo_iso) điền vào đó ngày mà theo_iso đọc được. Đếm NaT sau khi ghép cho biết còn ô nào không theo mẫu nào, như một ngày gõ nhầm 31/11/2025.

format="mixed" và ngày bị đảo ngày–tháng

format="mixed" bảo pandas đoán định dạng riêng cho từng ô. Nghe tiện, nhưng đi cùng dayfirst=True nó áp "ngày trước" cho cả ô ISO.

Trên một bảng thật, lỗi này khó thấy bằng mắt vì ngày bị đảo vẫn là một ngày có thật. File don_hang_tho.csv của bộ dữ liệu thực hành có cột ngay_dat lẫn hai kiểu viết, còn cột ngay_giao chỉ viết kiểu ISO. Một đơn không thể được giao trước ngày đặt, nên số đơn "giao trước khi đặt" là phép thử cho cách đọc ngay_dat:

python
import pandas as pd

don = pd.read_csv("don_hang_tho.csv",
                  usecols=["ngay_dat", "ngay_giao"])
cot = don["ngay_dat"]
theo_vn = pd.to_datetime(cot, format="%d/%m/%Y", errors="coerce")
theo_iso = pd.to_datetime(cot, format="%Y-%m-%d", errors="coerce")
dat = theo_vn.fillna(theo_iso)
doan_mo = pd.to_datetime(cot, format="mixed", dayfirst=True)
giao = pd.to_datetime(don["ngay_giao"])
print("Đọc hai lượt, giao trước khi đặt:", (giao < dat).sum())
print("format=\"mixed\", giao trước khi đặt:",
      (giao < doan_mo).sum())

KẾT QUẢ

Đọc hai lượt, giao trước khi đặt: 0
format="mixed", giao trước khi đặt: 228

Cả hai cách đều không để ô nào thành NaT, nên đếm NaT không phân biệt được chúng. Phép so với ngay_giao thì có: đọc hai lượt, không đơn nào vô lý; đọc bằng mixed, 228 đơn có ngày đặt bị đảo ra sau ngày giao. Khi file không có cột ngày thứ hai để so, in min() và max() của cột vừa đọc cũng giúp bắt những ngày rơi ra ngoài khoảng thời gian của file.

Kiểm tra nhanh

  1. Sau import pandas as pd, pd.to_datetime(pd.Series(["05/10/2025"])).iloc[0].month cho kết quả gì?

    • 5
    • 10
    • Báo lỗi ValueError
  2. Sau import pandas as pd, pd.to_datetime(pd.Series(["2025-10-05"]), format="%d/%m/%Y") cho kết quả gì?

    • Ngày 05/10/2025
    • NaT
    • Báo lỗi ValueError
  3. Cột lẫn 2025-10-05 và 12/10/2025. Những cách nào cho đúng mọi ngày?

    • theo_iso.fillna(theo_vn), với theo_iso đọc bằng format="%Y-%m-%d", theo_vn bằng format="%d/%m/%Y", cả hai có errors="coerce"
    • Một lượt format="%d/%m/%Y", errors="coerce"
    • Một lượt format="mixed", dayfirst=True
    • theo_vn.fillna(theo_iso), cùng hai lượt đọc như lựa chọn đầu
  4. Trong ví dụ đọc don_hang_tho.csv, dấu hiệu nào cho thấy cách format="mixed" đã đảo ngày?

    • Nhiều ô thành NaT
    • Có đơn mà ngày giao sớm hơn ngày đặt
    • pandas in một cảnh báo màu đỏ
    • Cột kết quả có kiểu str
Đúng hết lần đầu +15 XP

Bài tập

Đọc ngày chấm công của hai chi nhánh

Chi nhánh Huế ghi ngày chấm công kiểu 03/11/2025 (có khi 5/2/2026), chi nhánh Đà Lạt ghi 2025-11-03. Bảng gộp bang có hai cột chi_nhanh và ngay (chuỗi). Viết thân hàm ngay_cham_cong(bang): đọc cột ngay thành kiểu ngày cho đúng cả hai kiểu viết.

  • Ngày không có thật, như 31/11/2025, thành NaT.

  • Kết quả giữ index và tên của cột ngay.

Hàm không sửa bảng bang của nơi gọi.

Trả về: ngày chấm công đã đọc, một Series.

python
import pandas as pd

def ngay_cham_cong(bang):
    pass  # Viết thân hàm thay cho dòng này

Tóm tắt

  • Không khai gì, pandas đọc 05/10/2025 thành ngày 10 tháng 5 mà không báo lỗi.

  • dayfirst=True gợi ý số đầu là ngày; format="%d/%m/%Y" là quy tắc chặt, ô không khớp thì không đọc.

  • Cột lẫn hai kiểu viết: đọc hai lượt, mỗi lượt một format= và errors="coerce", rồi ghép bằng fillna().

  • format="mixed" với dayfirst=True đảo ngày ISO có số ngày tới 12, không thành NaT.

  • Kiểm một lần đọc ngày bằng isna().sum(), rồi so với một cột ngày khác của cùng dòng hay với khoảng thời gian của file.

Câu hỏi thường gặp

Viết pandas date format cho ngày có giờ như 05/10/2025 14:30 thế nào?

Thêm mã giờ và phút của strptime() vào chuỗi: format="%d/%m/%Y %H:%M". Mã %H là giờ 0–23, %M là phút; bảng mã đầy đủ ở bài strftime(), strptime(). Ô thiếu phần giờ sẽ không khớp mẫu này, nên vẫn cần errors="coerce" và đếm NaT.

Đọc ngày dd mm yyyy ngay trong read_csv được không?

Được: liệt kê cột trong parse_dates và khai định dạng bằng date_format="%d/%m/%Y" khi gọi read_csv(). Cách này chỉ hợp khi cả cột cùng một kiểu viết; cột lẫn hai kiểu thì đọc thành chuỗi trước rồi ghép hai lượt như trong bài, giống lời khuyên của bài pd.to_datetime().

Vì sao pandas không cảnh báo khi đảo ngày và tháng?

Với ô như 05/10/2025, cả hai cách đọc đều cho ra một ngày có thật, nên pandas không có căn cứ để báo lỗi. Chỉ ô có số đầu lớn hơn 12 mới lộ ra, thành NaT hay ValueError. Danh sách thông báo hay gặp khi đọc ngày có ở trang lỗi đọc ngày trong pandas.

Sau khi đọc xong, lấy tháng và thứ của ngày thế nào?

Cột đã là kiểu ngày thì dùng accessor .dt: .dt.month cho tháng, .dt.dayofweek cho thứ trong tuần. Bài accessor .dt hướng dẫn tách năm, tháng, thứ và đổi tên thứ sang tiếng Việt.

Chủ đề

pandas dayfirst

Dữ liệu của bài

Bài này có hữu ích?

Hỏi đáp

Đang tải câu hỏi…

Tham vấn chuyên môn

Nguyễn Việt Chung

Nhà sáng lập AIDev và VietPlatform · Thạc sĩ AI MSE

  • Tốt nghiệp thủ khoa xuất sắc Thạc sĩ AI MSE.
  • Đồng sáng lập, CTO E-University, SVOnline: số hóa 10+ đại học, 40.000+ sinh viên.
  • Xây hệ thống AI cho doanh nghiệp tại VietPlatform.
Biên soạn: AIDev Team · Rà soát · Quy trình biên tập