为何使用.loc无法将Pandas中的datetime列转换为字符串？

核心原因 #

当目标列是datetime64[ns]类型时，使用.loc赋值字符串时，Pandas会强制尝试将字符串转换为原有列的datetime类型（如果字符串可被解析为日期），因此列的dtype不会改变；而直接使用df[列名]赋值时，Pandas会根据赋值内容的类型灵活调整列的dtype，允许转换为object（字符串）类型。

底层机制差异 #

• .loc赋值逻辑：.loc的设计更偏向于维护目标列的原有数据类型一致性。当赋值内容与列类型不匹配时，Pandas会尝试自动转换赋值内容为列的原有类型。例如你代码中用dt.strftime生成的日期字符串，会被Pandas重新解析为datetime对象，因此列仍保持datetime64[ns]类型。
• 直接索引（[]）赋值逻辑：这种方式会优先匹配赋值内容的类型，自动调整目标列的dtype。当赋值的是字符串数组时，列会直接转为object类型，不会强制转换为原有类型。

正确的.loc用法 #

如果你偏好使用.loc，可以通过以下两种方式实现需求：

方法1：先将列转为object类型，再赋值字符串 #

import pandas as pd

not_yet_datetime_df = pd.DataFrame([["2023-01-06"]*5]).T
datetime_df = not_yet_datetime_df.astype("datetime64[ns]")

# 先将列转为object类型
datetime_df = datetime_df.astype({0: "object"})
# 再用.loc赋值格式化后的字符串
datetime_df.loc[:, 0] = datetime_df.loc[:, 0].dt.strftime("%d.%m.%Y")

print(datetime_df.dtypes)  # 输出: 0    object

方法2：赋值时显式指定Series的dtype #

import pandas as pd

not_yet_datetime_df = pd.DataFrame([["2023-01-06"]*5]).T
datetime_df = not_yet_datetime_df.astype("datetime64[ns]")

# 显式指定赋值的Series为object类型
datetime_df.loc[:, 0] = pd.Series(
    datetime_df.loc[:, 0].dt.strftime("%d.%m.%Y"),
    dtype="object"
)

print(datetime_df.dtypes)  # 输出: 0    object

总结 #

• 该问题并非Pandas的Bug，而是不同赋值方式的类型处理逻辑差异导致的。
• .loc赋值优先维护原有列类型，[]赋值优先匹配赋值内容类型。
• 若坚持使用.loc，需先将列转为object类型，或显式指定赋值内容的dtype。

内容的提问来源于stack exchange，提问作者Archernar