如何在Pandas中从整数日期与时间列创建DatetimeIndex

最简解决方案 #

直接用Pandas的向量式时间处理函数生成目标时间列，无需循环或逐行计算：

import pandas as pd

# 构造示例数据
df = pd.DataFrame({
    'date': [40603]*8,
    'time': range(34222, 34230)
})

# 生成标准时间列
df['idx'] = pd.to_datetime(
    df['date'] * 86400 + df['time'],
    unit='s',
    origin='1900-01-01'
)

# 设置为DatetimeIndex（满足后续重采样需求）
df.set_index('idx', inplace=True)

# 查看带原列的结果
print(df.reset_index())

代码说明 #

1. 总秒数计算：把date列的天数转成秒数（1天=86400秒），加上time列的当日秒数，得到从1900-01-01 00:00:00起的总秒数。
2. 时间转换：通过unit='s'指定输入为秒数，origin='1900-01-01'设置时间起点，直接生成标准Timestamp序列。
3. 设置索引：调用set_index将时间列设为DatetimeIndex，满足后续重采样操作要求。

替代分步方案（更直观） #

如果想要拆分日期和时间的处理步骤，也可以这么写：

df['idx'] = pd.to_datetime('1900-01-01') + \
            pd.to_timedelta(df['date'], unit='D') + \
            pd.to_timedelta(df['time'], unit='s')
df.set_index('idx', inplace=True)

报错原因 #

Python标准库的datetime.timedelta只能接受单个数值，没法直接处理Pandas的Series（向量数据）。而Pandas的pd.to_timedelta和pd.to_datetime专门支持向量操作，能高效处理整列数据。

内容的提问来源于stack exchange，提问作者Chris