为何df.assign未使用参数值？需将release_date改为datetime64类型

问题场景 #

我编写了如下Python函数，期望将指定列的类型修改为datetime64：

def change_date_column_type(df,change_column_name):
    
    df=df.assign(change_column_name=df[change_column_name].astype('datetime64'))
    
    # return the result
    return df

调用代码：

result = change_date_column_type(test_df,'release_date')
print(result)

得到的输出却新增了一列change_column_name，而非修改原有的release_date列：

output:
  movie_title  release_date    genre MPAA_rating change_column_name
0     titanic  Dec 21, 1937    Drama           R         1937-12-21
1      frozen   Feb 9, 1940  Musical          PG         1940-02-09
2       rythm  Nov 13, 1940   Family           G         1940-11-13
3   godfather  Nov 12, 1946    Drama           R         1946-11-12
4         red  Feb 15, 1950  Musical       PG-13         1950-02-15

如何让函数修改指定的原列类型，而非创建新列？

原因分析 #

df.assign()接收的是关键字参数，直接写change_column_name=...时，Python会将change_column_name作为字面量列名处理，而不是读取变量change_column_name的实际值，因此生成了新列而非覆盖原列。

解决方案 #

方案1：字典解包实现动态列名 #

将目标列名和转换后的数据构造为字典，通过**解包传递给assign()，即可用变量值作为列名覆盖原列：

def change_date_column_type(df, change_column_name):
    df = df.assign(**{change_column_name: df[change_column_name].astype('datetime64')})
    return df

方案2：直接修改列（推荐，更直观） #

先复制原DataFrame避免修改原始数据，再直接对目标列进行类型转换：

def change_date_column_type(df, change_column_name):
    df_copy = df.copy()
    df_copy[change_column_name] = df_copy[change_column_name].astype('datetime64')
    return df_copy

方案3：使用pd.to_datetime处理日期（更可靠） #

如果原始列是字符串格式，pd.to_datetime()比astype()兼容性更强，能自动识别多种日期格式，还可通过format参数指定格式：

import pandas as pd

def change_date_column_type(df, change_column_name):
    df_copy = df.copy()
    df_copy[change_column_name] = pd.to_datetime(df_copy[change_column_name])
    return df_copy

内容的提问来源于stack exchange，提问作者shiviz