Pandas 2.2.0如何无字符串拼接合并日期时间列？

我的CSV文件示例如下：

date, time, value
20240112,085917,11
20240112,085917,22

我之前用以下代码将其导入DataFrame：

df = pd.read_csv(csv_file, parse_dates=[['date', 'time']]).set_index('date_time')

得到的结果结构如下：

date_time             value
2023-10-02 10:00:00   11
2023-10-02 10:01:00   22

升级到Pandas 2.2.0后，收到了如下警告：

FutureWarning: Support for nested sequences for 'parse_dates' in pd.read_csv is deprecated. Combine the desired columns with pd.to_datetime after parsing instead.

现在我只能通过字符串拼接的方式实现相同效果，但这种方法速度通常很慢：

df['datetime'] = df.date.astype(str) + ' ' + df.time.astype(str)
df['datetime'] = pd.to_datetime(df.datetime, format="%Y%m%d %H%M%S")
df = df.drop(['date', 'time'], axis=1).set_index('datetime')

请问在新版Pandas中，有没有无需字符串拼接的实现方法？

有，你可以直接利用pd.to_datetime接收多列参数的特性，避免字符串拼接，效率会高很多：

df = pd.read_csv(csv_file)
df['datetime'] = pd.to_datetime(df[['date', 'time']], format="%Y%m%d %H%M%S")
df = df.drop(['date', 'time'], axis=1).set_index('datetime')

这个方法让pd.to_datetime直接处理两列的数值，内部会高效合并日期和时间信息，不需要手动做字符串拼接。

如果偏好链式写法，也可以一步完成导入和索引设置：

df = (pd.read_csv(csv_file)
      .assign(datetime=pd.to_datetime(df[['date', 'time']], format="%Y%m%d %H%M%S"))
      .drop(['date', 'time'], axis=1)
      .set_index('datetime'))

内容的提问来源于stack exchange，提问作者user164863