关于pd.to_datetime直接转换DataFrame日期列的两类疑问

问题描述 #

单独将DataFrame中的日期列转为datetime64[ns]类型时一切正常，但直接对多列执行pd.to_datetime转换时触发错误：

报错代码 #

df[['Date Range','ME Created Date/Time','Ready For Books Date/Time']]=pd.to_datetime(df[['Date Range','ME Created Date/Time','Ready For Books Date/Time']],format='%d-%m-%Y %H:%M:%S')

错误提示 #

to assemble mappings requires at least that [year, month, day] be specified: [day,month,year] is missing

数据样例 #

当前可行方案 #

已通过apply方法实现多列转换，代码如下：

df[['Date Range','ME Created Date/Time','Ready For Books Date/Time']] = df[['Date Range','ME Created Date/Time','Ready For Books Date/Time']].apply(pd.to_datetime, format='%d-%m-%Y %H:%M:%S')

疑问与解答 #

1. 能否不借助apply直接用pd.to_datetime转换多列？ #

可以。问题根源在于：当直接向pd.to_datetime传入多列DataFrame时，它会默认将每一列视为年、月、日的单独字段，而非完整的日期字符串。解决思路是先把多列转为单列Series（通过stack），转换后再转回多列（通过unstack）：

# 指定需要转换的列
target_cols = ['Date Range','ME Created Date/Time','Ready For Books Date/Time']
# stack将列转成行，得到单列日期字符串，用pd.to_datetime转换后unstack还原结构
df[target_cols] = pd.to_datetime(df[target_cols].stack(), format='%d-%m-%Y %H:%M:%S').unstack()

2. 能否不用.dt.date返回仅含日期的结果？ #

可以。.dt.date返回的是Python原生date对象，若想保留pandas的datetime64类型且仅显示日期部分，可使用dt.normalize()或dt.floor('D')，它们会将时间部分统一设置为00:00:00，视觉上等价于仅日期，且更适合后续pandas操作：

target_cols = ['Date Range','ME Created Date/Time','Ready For Books Date/Time']
# 转换后统一去除时间部分
df[target_cols] = pd.to_datetime(df[target_cols].stack(), format='%d-%m-%Y %H:%M:%S').dt.normalize().unstack()

如果需要直接转换为仅日期字符串，也可以在转换时截取日期部分：

df[target_cols] = pd.to_datetime(df[target_cols].stack().str.split(' ').str[0], format='%d-%m-%Y').unstack()

内容的提问来源于stack exchange，提问作者Rajib Lochan Sarkar