由于数据仍然有一个模式，并且日期总是第一个，因此可以将dayfirst参数设置为True来解决这个问题。
阅读更多here

import pandas

data = {'date': ["01/12/2022", "22/02/2012", "12-Jan-2023", "19-10-2000", "03/Feb/2021", ]}

df = pandas.DataFrame(data)

pandas.to_datetime(df['date'], dayfirst=True, format="mixed")

# output 
0   2022-12-01
1   2012-02-22
2   2023-01-12
3   2000-10-19
4   2021-02-03
Name: date, dtype: datetime64[ns]

注意：在旧版本的pandas中，format='mixed'将不起作用，您必须设置infer_datetime_format=True。但此选项已弃用，因为V2.0.0

假设你的日期值在源代码中是infact字符串，那么我们可以使用strftime函数，如下所示：
这个问题在基于Excel的源代码中经常发生

import pandas as pd

df = pd.DataFrame({'Date': ['01/12/2022', '22/02/2012', '12-Jan-2023', '19-10-2000', '03/Feb/2021']})

# Convert the date strings to datetime objects using the infer_datetime_format parameter
df['Date'] = pd.to_datetime(df['Date'], infer_datetime_format=True)

# Change the output format of the date column to dd-mm-yyyy
df['Date'] = df['Date'].dt.strftime('%d-%m-%Y')

# Print the DataFrame
print(df)

对于我的工作通过dayfirst=True与format='mixed'到to_datetime：

df['Date'] = pd.to_datetime(df['Date'], dayfirst=True, format='mixed')
print (df)
        Date
0 2022-12-01
1 2012-02-22
2 2023-01-12
3 2000-10-19
4 2021-02-03