升级Pandas至2.2.0后，含时间戳的DataFrame合并失败求助

从报错栈来看，问题出在时间戳列的数据类型不一致导致concat操作失败——Pandas 2.2.0对时间类型的一致性校验比2.0.3版本更严格。

排查与解决步骤： #

• 先检查两个DataFrame中时间戳列的具体数据类型：

  print(df1['时间戳列名'].dtype)
  print(df2['时间戳列名'].dtype)
  

  重点关注是否存在时区差异（比如一个是datetime64[ns]，另一个是datetime64[ns, UTC]），或是类型本质差异（比如一个是普通datetime，另一个是带频率的Period类型）。

• 统一时间戳列的类型：

  • 若存在时区不一致，将其中一个转换为与另一个匹配的时区：

    # 把df2的时间戳转为无时区（与df1一致）
    df2['时间戳列名'] = df2['时间戳列名'].dt.tz_localize(None)
    # 或把df1转为带时区格式（与df2一致）
    df1['时间戳列名'] = df1['时间戳列名'].dt.tz_localize('UTC')
    

  • 若存在类型差异（比如某列是object类型的时间字符串），统一转为标准datetime类型：

    df1['时间戳列名'] = pd.to_datetime(df1['时间戳列名'])
    df2['时间戳列名'] = pd.to_datetime(df2['时间戳列名'])
    

• 若其中一个DataFrame的时间戳列为空，显式指定dtype避免自动推断差异：

  df_empty['时间戳列名'] = pd.Series([], dtype='datetime64[ns]')
  

• 如果是按时间戳列关联合并的场景，可尝试用merge替代concat：

  merged_df = pd.merge(df1, df2, on='时间戳列名', how='outer')
  

内容的提问来源于stack exchange，提问作者Peter H