如何将Pandas DataFrame的日期列与时间列合并为单个Datetime列

首先，你当前代码的核心问题有两个：

1. 初始创建的DataFrame中，lnDate和lnTime是字符串类型，并非你以为的datetime.date/datetime.time类型，直接调用pd.Timestamp.combine会因参数类型不匹配报错。
2. 使用apply时未指定axis=1，默认按列处理，导致无法正确传递每行的date和time值。

正确步骤 #

1. 先将列转换为正确的日期/时间类型 #

首先需要把字符串列转为datetime.date和datetime.time类型：

import pandas as pd

# 定义数据
data = {'VJNo': [32613]*8,
        'VJIdx': [1,2,3,5,6,8,9,11],
        'lnTime': ['05:00:00','05:01:00','05:02:30','05:05:30','05:06:30','05:07:30','05:08:30','05:10:30'],
        'lnDate': ['2023-04-18']*8}

df = pd.DataFrame(data)

# 转换为datetime.date和datetime.time类型
df['lnDate'] = pd.to_datetime(df['lnDate']).dt.date
df['lnTime'] = pd.to_datetime(df['lnTime']).dt.time

2. 方法一：使用apply（逐行处理） #

修正apply的写法，指定axis=1让函数逐行执行：

df['tmp'] = df.apply(lambda row: pd.Timestamp.combine(row['lnDate'], row['lnTime']), axis=1)

3. 方法二：矢量化操作（更高效） #

如果数据量较大，推荐用矢量化方法，避免逐行循环的性能损耗：

# 将日期转为Timestamp，时间转为Timedelta后相加
df['tmp'] = pd.to_datetime(df['lnDate']) + pd.to_timedelta(df['lnTime'])

这个方法不需要将列转为datetime.date/datetime.time，直接从字符串转换后合并，效率远高于apply，且结果同样是Timestamp类型。

验证结果 #

执行后df['tmp']列会生成完整的datetime值：

0   2023-04-18 05:00:00
1   2023-04-18 05:01:00
2   2023-04-18 05:02:30
3   2023-04-18 05:05:30
4   2023-04-18 05:06:30
5   2023-04-18 05:07:30
6   2023-04-18 05:08:30
7   2023-04-18 05:10:30
Name: tmp, dtype: datetime64[ns]

内容的提问来源于stack exchange，提问作者svn