如何在Python Pandas DataFrame中筛选int值转换UNIX/EPOCH时间

问题分析 #

你的END DATE列混合了三种类型值：日期字符串（如'2023-12-31'）、字符串形式的纳秒级Unix时间戳（如'1698710400000000000'）、空值。直接全局调用pd.to_datetime会因格式冲突报错，需要仅针对Unix时间戳格式的条目进行转换。

注意：你的构造数据中，Unix时间戳是以字符串形式存储的，不是int类型，所以原筛选条件isinstance(x, int)无法命中目标行，需要调整筛选逻辑。

解决方案 #

方法1：精准筛选数字字符串并转换 #

先筛选出END DATE列中是纯数字字符串的行，再对这些行执行Unix时间戳转换：

# 筛选纯数字字符串的行，空值排除在外
mask = df["END DATE"].str.match(r'^\d+$', na=False)
# 仅对符合条件的行转换，指定纳秒单位
df.loc[mask, "END DATE"] = pd.to_datetime(df.loc[mask, "END DATE"], unit='ns')
# 可选：统一整列为datetime类型，保留原有有效日期和空值
df["END DATE"] = pd.to_datetime(df["END DATE"], errors='ignore')

方法2：批量尝试转换，自动兼容多格式 #

如果不确定格式，可通过两次转换合并结果，自动识别有效格式：

# 先尝试转换所有值为纳秒级Unix时间戳，转换失败的返回NaT
unix_converted = pd.to_datetime(df["END DATE"], unit='ns', errors='coerce')
# 用原日期字符串的转换结果填充NaT，自动识别常规日期格式
df["END DATE"] = unix_converted.combine_first(pd.to_datetime(df["END DATE"], errors='coerce'))

最终效果 #

执行后END DATE列的结果：

内容的提问来源于stack exchange，提问作者user12715151