如何转换Pandas DataFrame中含不一致小数秒的列为datetime类型

方法1：直接让Pandas自动识别（最省心） #

不用手动指定格式，直接调用pd.to_datetime()即可，它能自动兼容带或不带小数秒的日期字符串：

df['datetime'] = pd.to_datetime(df['datetime'])

转换后的结果会自动补全缺失的小数秒为.000000：

0   2000-01-20 12:00:00.000
1   2000-01-20 12:00:00.500
2   2000-01-20 12:00:01.000
Name: datetime, dtype: datetime64[ns]

这种方法适合数据量不大的场景，大数据量下自动推断效率会稍低，但胜在操作简单。

方法2：统一字符串格式后精准转换 #

如果追求更高效率，先把所有日期字符串改成统一带小数秒的格式，再指定格式转换：

# 用正则给没有小数秒的时间末尾加上 .0
df['datetime'] = df['datetime'].str.replace(r'(\d{2}:\d{2}:\d{2})$', r'\1.0')
# 现在所有字符串都符合带小数秒的格式，直接指定format转换
df['datetime'] = pd.to_datetime(df['datetime'], format='%b %d, %Y %H:%M:%S.%f')

正则表达式会匹配末尾是HH:MM:SS的部分，自动补上.0，确保所有格式一致，转换时不会报错。

方法3：分两种格式转换后合并 #

也可以分别用两种格式尝试转换，再把结果合并：

# 先转带小数秒的格式，转失败的设为NaN
dt_with_ms = pd.to_datetime(df['datetime'], format='%b %d, %Y %H:%M:%S.%f', errors='coerce')
# 再转不带小数秒的格式，转失败的设为NaN
dt_no_ms = pd.to_datetime(df['datetime'], format='%b %d, %Y %H:%M:%S', errors='coerce')
# 合并：如果带小数秒的转换失败，就用不带的结果
df['datetime'] = dt_with_ms.fillna(dt_no_ms)

这种方式逻辑清晰，适合格式更复杂的混合场景。

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