使用pd.to_datetime转换年月数据为何得到%Y-%m-%d格式？

为什么会出现%Y-%m-%d格式？ #

因为datetime类型的对象必须包含年、月、日三个维度的信息，哪怕你的原始数据只有年月，pandas在解析时会自动填充默认的日（通常是当月的第一天，也就是01）。你看到的%Y-%m-%d只是datetime对象的默认显示格式，并不是转换失败——实际上你的DATE列已经是datetime类型了，只是多了一个自动补全的日信息。

怎么处理才能贴合你的需求？ #

分两种场景选择：

• 要是只想显示成%Y.%m的格式，可以把datetime类型转成字符串格式：

  testdata['DATE_DISPLAY'] = testdata['DATE'].dt.strftime('%Y.%m')
  

  注意这列会变成object类型，适合展示，但不适合直接用于时间序列算法的计算。
• 要是想保留时间序列的可计算性，同时适配只有年月的场景，推荐用Period类型（专门处理年月/季度这类周期数据）：

  testdata['DATE'] = pd.to_datetime(testdata['DATE'], format='%Y-%m').dt.to_period('M')
  

  这样存储的就是YYYY-MM格式的周期对象，没有多余的日信息，而且多数时间序列算法都支持这种类型的输入。

针对机器学习时间序列的补充说明 #

如果继续用datetime类型，自动补的01日其实不会影响算法逻辑——时间序列算法关注的是时间的先后顺序和间隔，按月为单位的话，每个月的第一天完全可以作为该月的代表节点。

内容的提问来源于stack exchange，提问作者Marteusa