把频道 400 条视频元数据导进表格，我遇到了日期字段和空值的坑

我做的是把频道后台导出的视频列表（约 400 条，CSV，带播放量、时长、发布时间）和自己的发布记录对账，想看看哪几条表现异常。环境是 macOS 本地，Python 3.11 + pandas 2.1，数据量不大，但字段很脏。

做法分三步。先用 csv 模块预扫一遍，找出每列的实际类型，而不是直接 pd.read_csv：

import csv
from collections import Counter

with open('videos.csv', newline='', encoding='utf-8-sig') as f:
    rows = list(csv.DictReader(f))

for col in rows[0]:
    kinds = Counter(type(r[col]).__name__ for r in rows)
    print(col, kinds, '空值:', sum(1 for r in rows if r[col] in ('', '-', 'N/A')))

结果发现「发布时间」有两种格式混着：一部分是 2023-11-02，一部分是 2023/11/02；「时长」里还有 12:03 和 1:02:33 混排；播放量列有十几行是空字符串。

第二步按字段分别处理，不搞统一转换：

import pandas as pd

df = pd.read_csv('videos.csv', encoding='utf-8-sig', dtype=str)
df['发布时间'] = pd.to_datetime(df['发布时间'].str.replace('/', '-'), errors='coerce')
df['播放量'] = pd.to_numeric(df['播放量'], errors='coerce')
df['时长秒'] = df['时长'].map(
    lambda s: sum(int(x) * 60 ** i for i, x in enumerate(reversed(str(s).split(':'))))
    if isinstance(s, str) and s.strip() else None
)
print(df[df['发布时间'].isna() | df['播放量'].isna()])

第三步是把对不上的行单独导出成一份 csv，人工看，而不是在脚本里猜。

为什么这么做：errors='coerce' 会把坏值变成 NaT/NaN，看起来省事，但代价是它静默吞掉错误，所以我在转换后一定把空值行打出来。日期用 / 换 - 是因为 pandas 对混合分隔符的推断不稳定，不同批次导出会给出不同 dtype。时长按 split 再乘 60 的幂，是因为 pd.to_timedelta 对 12:03 这种不带小时的字符串会报错。

失效的地方也说一下：播放量是空字符串的行，未必真的没有播放，可能是后台导出时该视频还在处理；errors='coerce' 对 1,203 这种带千分位的字符串也会返回 NaN，得先 replace 逗号。我自己踩的坑是有 3 行发布时间是 2023-11-02 00:00:00+00:00，带了时区，和纯日期比较时全对不上，后来统一 dt.tz_localize(None) 才平。

问题留给你们：你们导出的视频列表里，「发布时间」是本地时间还是 UTC，有没有和后台页面显示对不上的情况？