如何将int64类型的年月列转为datetime并保留原显示格式？

要在将Tranc_Year和Tranc_Month转为datetime类型的同时保留原数字样式的显示，可通过以下两种方法实现：

方法1：转换后设置列的显示格式（保留datetime数据类型） #

先按原逻辑将整数转为datetime类型，再通过样式格式化控制显示效果，既保留datetime类型用于后续时间操作，又能显示原有的年份/月份数字：

import pandas as pd

# 转换为datetime类型
df_train['Tranc_Year'] = pd.to_datetime(df_train['Tranc_Year'], format='%Y')
df_train['Tranc_Month'] = pd.to_datetime(df_train['Tranc_Month'], format='%m')

# 设置显示格式：年份显示为4位数字，月份显示为无前置0的数字（与原int格式一致）
styled_df = df_train.style.format({
    'Tranc_Year': lambda x: x.strftime('%Y'),
    'Tranc_Month': lambda x: x.strftime('%m').lstrip('0')
})

# 输出格式化后的DataFrame
display(styled_df)

方法2：合并年/月为完整日期（更符合datetime使用逻辑） #

单独的年份或月份作为datetime类型实际意义有限，更合理的做法是合并为完整日期，再按需提取年/月的显示：

# 合并年和月为当月第一天的datetime
df_train['Tranc_Date'] = pd.to_datetime(
    df_train['Tranc_Year'].astype(str) + '-' + df_train['Tranc_Month'].astype(str),
    format='%Y-%m'
)

# 提取年份和月份（保留原数字样式的int类型）
df_train['Tranc_Year'] = df_train['Tranc_Date'].dt.year
df_train['Tranc_Month'] = df_train['Tranc_Date'].dt.month

问题原因解释 #

你之前的代码转换后显示变化，是因为pd.to_datetime处理单独的年份或月份时，会自动补全为完整的日期：

• 传入年份整数时，默认补全为当年的1月1日（如2023转为2023-01-01）
• 传入月份整数时，默认补全为1900年的对应月份1日（如5转为1900-05-01）
  因此显示的是完整日期字符串，而非原有的数字样式。

内容的提问来源于stack exchange，提问作者ricenix