如何将含时分秒的日期列转为datetime类型且保留原始值

你的数据列格式示例：

你尝试用pd.to_datetime()转换时报错，用errors='coerce'会得到NaT，不符合需求；自己写的apply函数也没能把列转为datetime类型。

问题原因 #

你用的strptime格式串%Y-%m-%d %H:%M:%S.%f是针对带毫秒的日期，但你的数据是%Y-%m-%d %H:%M:%S格式（无毫秒），格式不匹配导致转换异常；另外用apply生成的datetime.datetime对象，pandas不会自动转为datetime64类型。

解决方法 #

方法一：修正格式串后显式转换

先修正格式匹配问题，再把列转为pandas的datetime类型：

import datetime
import pandas as pd

# 修正格式串，去掉多余的.%f
adr_df['HIS_TS_END'] = adr_df['HIS_TS_END'].apply(
    lambda x: datetime.datetime.strptime(x, '%Y-%m-%d %H:%M:%S') if isinstance(x, str) else pd.NaT
)
# 显式转换为pandas datetime类型
adr_df['HIS_TS_END'] = pd.to_datetime(adr_df['HIS_TS_END'], errors='raise')
# 验证类型
print(type(adr_df.iloc[0]['HIS_TS_END']))

方法二：直接用pd.to_datetime指定格式（推荐）

pandas自带的to_datetime支持指定格式，无需手动写apply，效率更高：

import pandas as pd

adr_df['HIS_TS_END'] = pd.to_datetime(adr_df['HIS_TS_END'], format='%Y-%m-%d %H:%M:%S', errors='raise')

指定format参数后，pandas会精准匹配日期格式，直接生成pandas的Timestamp类型（即datetime64类型），不会报错。

如果你的列中同时存在带毫秒和不带毫秒的日期格式，可以省略format参数让pandas自动推断，但指定格式的方式更快更可靠。

内容的提问来源于stack exchange，提问作者Leyla Elkhamlichi