Pandas中如何补零合并日期时间并实现时间点减5小时？

1. 手动补零并使用datetime.combine合并 #

假设你的CSV包含date（示例格式：2023-8-5）和time（示例格式：9:3）两列，可按以下逻辑批量处理：

先导入依赖模块：

import pandas as pd
from datetime import datetime, timedelta

定义处理函数并应用到每一行：

def process_datetime(row):
    # 补零日期字符串，转换为date对象
    year, month, day = row['date'].split('-')
    formatted_date = f"{year}-{month.zfill(2)}-{day.zfill(2)}"
    date_obj = datetime.fromisoformat(formatted_date).date()
    
    # 补零时间字符串，转换为time对象（默认补充秒为00）
    hour, minute = row['time'].split(':')
    formatted_time = f"{hour.zfill(2)}:{minute.zfill(2)}:00"
    time_obj = datetime.fromisoformat(formatted_time).time()
    
    # *合并日期与时间对象*
    combined_dt = datetime.combine(date_obj, time_obj)
    # 减去5小时
    return combined_dt - timedelta(hours=5)

# 生成调整后的日期时间列
data['adjusted_datetime'] = data.apply(process_datetime, axis=1)

2. 更高效的pandas原生方案（推荐） #

无需手动调用datetime.combine，pandas可直接合并并解析日期时间字符串，自动处理补零逻辑：

# 合并日期和时间字符串，按指定格式解析为datetime
data['combined_datetime'] = pd.to_datetime(
    data['date'] + ' ' + data['time'],
    format='%Y-%m-%d %H:%M'  # 根据你的实际格式调整，比如月/日/年用%m/%d/%Y
)
# 减去5小时
data['adjusted_datetime'] = data['combined_datetime'] - pd.Timedelta(hours=5)

关键提示 #

• 如果日期或时间格式有特殊变体（如包含秒、使用斜杠分隔），只需修改字符串拆分规则或pd.to_datetime的format参数即可适配。
• 数据量较大时，优先使用pandas原生方法，比apply循环的处理效率高得多。

内容的提问来源于stack exchange，提问作者AL B