将Pandas DataFrame转为字典时，如何内置转换Timestamp为datetime？

有两种更高效的方式可以在转字典前完成Timestamp到Python原生datetime的转换，比你当前的逐行遍历方法更简洁且性能更好：

1. 单独转换目标日期列 #

如果只有dt一列需要转换，直接在DataFrame层面批量转换该列的类型，再调用to_dict：

# 先将dt列转为Python原生datetime类型
df['dt'] = df['dt'].dt.to_pydatetime()
# 再转成records格式的字典列表
list_of_dicts = df.to_dict(orient='records')

2. 批量转换所有日期列 #

如果DataFrame中有多个日期类型的列，可以自动识别并批量转换：

# 筛选所有datetime类型的列
date_columns = df.select_dtypes(include=['datetime64']).columns
# 批量转换为Python原生datetime
df[date_columns] = df[date_columns].apply(lambda col: col.dt.to_pydatetime())
# 生成字典列表
list_of_dicts = df.to_dict(orient='records')

为什么这两种方法更优？ #

• 性能更高：Pandas的列级批量操作是向量化执行的，比Python层面的逐行遍历（你的原方法）效率高得多，尤其是数据量较大时差距明显。
• 代码更简洁：不需要嵌套的字典推导式和类型判断逻辑，可读性更强。

内容的提问来源于stack exchange，提问作者24n8