如何简化从日期+无冒号时间串创建Pandas datetime数组的代码？

方法1：直接拼接日期与时间字符串（最简洁） #

利用pd.to_datetime的format参数指定完整格式，同时通过errors="coerce"自动将无效值转为NaT（Not a Time），一步生成目标datetime类型的Series/Index。

示例代码：

import pandas as pd

# 模拟含无效值的hhmmss格式时间列表
time_list = ["081530", "142245", "999999", "", None]
times = pd.Series(time_list)  # 或 pd.Index(time_list)

# 指定基准日期
target_date = "2024-05-20"

# 拼接日期与时间字符串，直接解析为datetime
full_datetimes = pd.to_datetime(
    f"{target_date} " + times,
    format="%Y-%m-%d %H%M%S",
    errors="coerce"
)

# 若要生成Index，直接转类型即可
datetime_index = full_datetimes.index if isinstance(times, pd.Series) else full_datetimes

方法2：先转Timedelta再叠加基准日期 #

如果需要单独保留时间差（Timedelta）用于后续计算，可先将hhmmss解析为当日时间，再计算与0点的差值得到Timedelta，最后叠加基准日期：

import pandas as pd

times = pd.Series(["081530", "142245", "999999", "", None])
target_date = pd.to_datetime("2024-05-20")

# 解析时间为当日datetime，无效值转为NaT
time_datetimes = pd.to_datetime(times, format="%H%M%S", errors="coerce")
# 计算与当日0点的时间差
time_deltas = time_datetimes - pd.to_datetime("00:00:00", format="%H%M%S")
# 叠加基准日期得到完整datetime
full_datetimes = target_date + time_deltas

关键说明 #

• 两种方法均无需使用Index.map（其na_action参数仅在映射函数本身不处理NaN时生效，不如pd.to_datetime的errors="coerce"直接）
• pd.to_timedelta确实不支持传入格式字符串，因此通过pd.to_datetime先解析时间再转Timedelta是更可靠的替代方案
• 生成的full_datetimes自动保留无效值对应的NaT，符合Pandas的缺失值处理逻辑

内容的提问来源于stack exchange，提问作者Joooeey