Python：如何将合并生成的Datetime类型转换为整数？

你原来的代码失败是因为df['datetime']是pandas的Series对象，不能直接用int(float())这种方式批量转换，得用pandas针对datetime类型的专用方法。下面给你几种可行的方案：

方案1：转成Unix时间戳（整数，单位秒） #

Unix时间戳是从1970-01-01 00:00:00 UTC到目标时间的秒数，适合计算时间差或取起止值：

# 两种写法效果一致
df['wtime'] = df['datetime'].astype('int64') // 10**9
# 或者更直观的写法
df['wtime'] = df['datetime'].dt.floor('s').astype('int64') // 10**9

方案2：转成毫秒级Unix时间戳（整数，单位毫秒） #

如果需要更高精度，直接取datetime的int64表示（pandas内部用纳秒存储，转成毫秒就是除以1e6）：

df['wtime'] = df['datetime'].astype('int64') // 10**6
# 或者直接保留纳秒级（数值会非常大）
df['wtime'] = df['datetime'].astype('int64')

方案3：转成YYYYMMDDHHMMSS格式的整数 #

如果需要的是像20240520143025这种直观的日期时间整数：

df['wtime'] = df['datetime'].dt.strftime('%Y%m%d%H%M%S').astype(int)

获取起止时间 #

转成整数后，直接用min和max就能拿到数据集的起始和结束时间对应的整数值：

start_time = df['wtime'].min()
end_time = df['wtime'].max()

其实也可以直接用datetime列取起止时间，再转成你需要的整数格式：

start_datetime = df['datetime'].min()
end_datetime = df['datetime'].max()
# 转成秒级时间戳
start_wtime = start_datetime.astype('int64') // 10**9
end_wtime = end_datetime.astype('int64') // 10**9

内容的提问来源于stack exchange，提问作者April F