使用Pandas无法正确拆分日期时间列？求解决方案

核心问题 #

• 类型丢失导致时间提取失败：你将转换后的datetime类型直接转为date对象（data['date'].dt.date），此时该列已不再是pandas的datetime64类型，而是Python原生date类型，无法通过dt.time提取时间信息，最终生成NaT。
• 潜在格式不匹配风险：若你的原始日期字符串实际是日/月/年格式（比如12/10/2022是10月12日而非12月10日），指定的%m/%d/%Y格式会导致转换失败，errors='coerce'会将错误值转为NaT。

修复后的代码 #

import pandas as pd

# 读取CSV数据
data = pd.read_csv('file_directory.csv')

# 转换为datetime类型：注意格式匹配，若为日/月/年则改为'%d/%m/%Y %H:%M:%S.%f %z'
data['datetime'] = pd.to_datetime(data['date'], errors='coerce', utc=True, format='%m/%d/%Y %H:%M:%S.%f %z')

# 从完整datetime中提取日期和时间
data['date'] = data['datetime'].dt.date
data['time'] = data['datetime'].dt.time

# 可选：移除临时datetime列
data.drop('datetime', axis=1, inplace=True)

# 查看转换结果
print(data[['date', 'time']].head())

额外提示 #

• 若仍出现NaT，打印原始date列的前10行（print(data['date'].head(10))），检查是否存在格式不一致的异常值。
• 避免直接覆盖原date列的datetime类型数据，保留完整时间戳是提取日期、时间的前提。

内容的提问来源于stack exchange，提问作者Megan van Blerk