Pandas中转换日期为datetime对象并保留原始格式的方法

首先要明确：pd.to_datetime()转换后的datetime类型本质是存储日期时间的对象，默认会补全日部分为01，所以显示为YYYY-MM-DD。但我们可以通过两种方式满足你的需求——既保留可计算的日期类型，又显示YYYY-MM格式：

方案1：使用Period类型（推荐，更适合月维度计算） #

Period类型专门用于表示时间周期（如年月、季度等），存储的就是YYYY-MM格式，且直接支持月数差计算：

# 将object类型的日期转为datetime后，再转成年月周期
df['cohort'] = pd.to_datetime(df['cohort']).dt.to_period('M')

此时cohort列的显示格式就是YYYY-MM，计算月数差时直接做减法即可：

# 计算与第一个日期的月数差
df['month_diff'] = df['cohort'] - df['cohort'].iloc[0]

结果会直接返回月数差值（如2代表相差2个月）。

方案2：保留datetime类型，设置显示格式 #

如果你需要保留datetime类型（比如后续还要做日维度的操作），可以通过修改pandas的显示选项，让datetime列以YYYY-MM格式展示：

# 先转为datetime类型
df['cohort'] = pd.to_datetime(df['cohort'])
# 设置全局日期显示格式
pd.options.display.date_format = '%Y-%m'

这样DataFrame显示时cohort列会呈现YYYY-MM，但底层存储仍是datetime对象，不影响后续日期计算。如果需要计算月数差，可以借助dateutil库的relativedelta：

from dateutil.relativedelta import relativedelta

df['month_diff'] = df['cohort'].apply(lambda x: relativedelta(x, df['cohort'].iloc[0]).months)

内容的提问来源于stack exchange，提问作者Connor95