如何在Python中处理360天日历日期并转换为datetime对象？

问题根源 #

标准datetime模块和Pandas的pd.to_datetime仅支持真实公历，而360天日历（每月固定30天）会出现如1986-02-29这类在真实公历中不存在的日期，直接解析必然报错。

解决方案一：用cftime处理非标准日历（推荐） #

cftime是专门为气候模型非标准日历设计的库，完美支持360天日历的解析与时间操作。

1. 安装cftime

pip install cftime

2. 批量解析360天日历日期
   针对Pandas Series中的日期字符串，可自定义函数用cftime解析：

import cftime
import pandas as pd

def parse_360day_date(date_str):
    # 拆分日期时间的数值部分
    parts = date_str.replace('-', ' ').replace(':', ' ').split()
    return cftime.datetime(*map(int, parts), calendar='360_day')

# 批量转换时间列
df['cftime'] = df['time'].apply(parse_360day_date)

3. 日期范围筛选与连续时段计算
   cftime对象支持比较操作，可直接完成目标日期范围筛选和连续天数计算：

# 定义目标时间范围的cftime对象
start_date = cftime.datetime(2025, 4, 1, calendar='360_day')
end_date = cftime.datetime(2025, 10, 15, calendar='360_day')

# 筛选指定区间的数据
filtered_df = df[(df['cftime'] >= start_date) & (df['cftime'] <= end_date)]

# 标记Tmax>30的日期，并计算连续3天达标的时段
filtered_df['Tmax_over_30'] = filtered_df['Tmax'] > 30
filtered_df['consecutive_days'] = filtered_df['Tmax_over_30'].rolling(window=3).sum()
result = filtered_df[filtered_df['consecutive_days'] == 3]

解决方案二：手动转换为标准日历近似值（适合非严格日历场景） #

如果不需要保留360天日历的精确月份对应，仅需时间序列的顺序和间隔计算，可将日期转换为标准datetime的近似值：

import pandas as pd

def convert_360day_to_datetime(date_str):
    date_part, time_part = date_str.split()
    year, month, day = map(int, date_part.split('-'))
    hour, minute, second = map(int, time_part.split(':'))
    
    # 以当年1月1日为基准，加上360天日历中的天数偏移
    base_date = pd.to_datetime(f"{year}-01-01 {hour}:{minute}:{second}")
    days_offset = (month - 1)*30 + (day - 1)
    return base_date + pd.Timedelta(days=days_offset)

df['datetime'] = df['time'].apply(convert_360day_to_datetime)

这种方法会将360天日历的日期映射到标准日历（比如2月30日会转为3月2日），虽日历对应有偏差，但可正常使用timedelta和Pandas时间序列功能。

内容的提问来源于stack exchange，提问作者Dimitris