如何在Python Pandas中将含日期时间与NaN的Object列转为datetime64日期列

实现步骤 #

1. 解析字符串为datetime类型：用pd.to_datetime()处理COL2列，通过errors='coerce'自动兼容NaN和无效格式，得到带时区的datetime对象（原NaN值转为Pandas的缺失datetime标识NaT）。
2. 保留日期部分并维持datetime64类型：用dt.normalize()或dt.floor('D')将时间部分置为当日午夜，既保留datetime64类型，又仅展示日期信息。

完整代码示例 #

import pandas as pd

# 模拟你的DataFrame（包含更多列时直接替换为你的实际DataFrame即可）
df = pd.DataFrame({
    'COL1': ['abc', 'ddd', 'bbb'],
    'COL2': ['2019-11-12T20:15:08+030', '2019-12-01T22:14:11+030', pd.NA],
    'OTHER_COL': [1, 2, 3]  # 示例其他列
})

# 第一步：转换COL2为datetime类型，自动处理缺失/无效值
df['COL2'] = pd.to_datetime(df['COL2'], errors='coerce')

# 第二步：提取日期部分（两种方法二选一）
df['COL2'] = df['COL2'].dt.normalize()  # 将时间重置为当日午夜
# df['COL2'] = df['COL2'].dt.floor('D')  # 向下取整到天，效果与normalize一致

# 查看结果
print(df)

关键说明 #

• 转换后COL2的类型为datetime64[ns]，符合需求；原NaN值在显示时仍为NaN。
• 若需移除时区信息，可在转换后追加.dt.tz_localize(None)：

  df['COL2'] = pd.to_datetime(df['COL2'], errors='coerce').dt.tz_localize(None).dt.normalize()
  

内容的提问来源于stack exchange，提问作者dingaro