如何将DataFrame日期列从object转为int64且保留原值

你遇到的问题很典型——直接把object类型的日期字符串转成int完全行不通，因为pandas不会把带/的字符串当成日期解析，要么会报错，要么（如果有隐式转换的情况）会输出完全不符合预期的大数值（比如纳秒级时间戳）。下面给你两种实用的解决方案，根据你的需求选就行：

方案一：转成时间戳整数（以天为单位） #

这种方式会把日期转换成从1970年1月1日（Unix纪元）到目标日期的天数，是一种常用的日期数值化方式：

1. 先把字符串日期解析成datetime类型：

import pandas as pd
df['date'] = pd.to_datetime(df['date'], format='%m/%d/%Y')

这里的format='%m/%d/%Y'是明确告诉pandas你的日期格式是月/日/年，避免解析出错。
2. 再转换成以天为单位的int64：

# 把datetime转成纳秒时间戳后，除以一天的纳秒数得到天数
df['date_int'] = df['date'].astype('int64') // (10**9 * 86400)

或者更直观的写法：

df['date_int'] = df['date'].dt.floor('D').sub(pd.Timestamp("1970-01-01")).dt.days.astype('int64')

方案二：转成年月日拼接的整数（如20230106） #

如果需要更直观的数值，比如把1/6/2023转成20230106这种格式，可以这么做：

1. 同样先解析成datetime类型：

df['date'] = pd.to_datetime(df['date'], format='%m/%d/%Y')

2. 格式化字符串后转成int64：

df['date_int'] = df['date'].dt.strftime('%Y%m%d').astype('int64')

这种方式得到的整数可读性更强，适合需要直接看年月日的场景。

注意事项 #

• 一定要先把object类型的日期字符串转成datetime类型，这是正确转换的前提，直接转int是完全错误的逻辑。
• 如果你的日期数据里有格式不规范的条目，pd.to_datetime可能会报错，可以加上errors='coerce'参数把无效值转成NaT，后续再处理：

df['date'] = pd.to_datetime(df['date'], format='%m/%d/%Y', errors='coerce')

内容的提问来源于stack exchange，提问作者Kalpana Tiwari