在Pandas中将日期时间转为'DD-MM-YYYY'时dtype变为Object的问题

问题原因 #

dt.strftime()方法的作用是将datetime对象转换为字符串，所以执行后列的 dtype 会从datetime64[ns]变为object（字符串类型），这是该方法的预期行为。因为Pandas的datetime类型本身不存储显示格式，它仅以时间戳的形式存储时间信息，显示格式只是输出时的渲染规则。

解决方案 #

方案1：设置显示格式，保留datetime64类型 #

如果你只是希望在查看数据时显示指定格式，不需要修改列的底层类型，推荐使用以下两种方式：

全局设置日期显示格式

通过pd.options.display.date_format设置全局的日期显示规则，所有datetime列都会以该格式显示：

import pandas as pd

data = {
    'id': [1, 2, 3],
    '_time': ["2023-07-27 10:30:00", "2023-07-28 15:45:00", "2023-07-29 09:15:00"]
}
df = pd.DataFrame(data)

# 转换为datetime类型（核心步骤，保留时间戳信息）
df['_time'] = pd.to_datetime(df['_time'])

# 设置全局日期显示格式
pd.options.display.date_format = "%d-%m-%Y %H:%M:%S"

print(df)
print(df.dtypes)  # 输出：_time    datetime64[ns]

针对单个列设置显示格式

如果只需要特定列以指定格式显示，可以使用style.format方法（适合生成可视化报表或HTML输出）：

# 针对_time列设置显示格式
styled_df = df.style.format({'_time': lambda x: x.strftime("%d-%m-%Y %H:%M:%S")})
print(styled_df)

方案2：导出时指定日期格式 #

如果需要将数据导出为文件（如CSV）并保留指定的日期格式，无需修改列的 dtype，只需在导出时指定date_format参数：

# 导出CSV时指定日期格式，底层列仍为datetime64
df.to_csv('output.csv', date_format="%d-%m-%Y %H:%M:%S", index=False)

关键提醒 #

datetime类型的核心价值在于支持时间运算（如日期加减、排序、按时间范围筛选等），如果将其转换为字符串，这些功能会全部丢失。因此除非有特殊需求，否则应优先保留datetime64类型，仅调整显示格式。

内容的提问来源于stack exchange，提问作者Bennison J