如何在Pandas中用年、日、时、分列创建Datetime对象？

你遇到的问题核心是Pandas的pd.to_datetime必须要有完整的年、月、日信息，你的数据缺了Month列，所以之前的两种方法都失败了：

• 第一种传month=None不行，因为这个参数不接受空值，必须是1-12的整数；
• 第二种直接传入Year、Day等列，因为缺Month，pd.to_datetime无法解析，自然报错。

下面分两种场景给你最优解决方案：

场景1：Day是「当月的天数」 #

这种情况必须先补充Month列（比如默认设为1月，或者根据业务逻辑填充实际月份），再创建datetime：

# 先补充Month列，示例设为1，根据你的数据实际情况调整
df['Month'] = 1

# 直接用多列创建datetime对象
df['DateTime'] = pd.to_datetime(df[['Year', 'Month', 'Day', 'Hour', 'Minute']])

如果需要转换成指定格式的字符串，再用strftime：

df['DateTime_str'] = df['DateTime'].dt.strftime('%d/%y %H:%M')

场景2：Day是「当年的天数（儒略日）」 #

如果你的Day是从每年1月1日开始算的累计天数（比如1月1日是Day=1，12月31日是Day=365/366），可以用dayofyear参数直接创建，不需要Month：

df['DateTime'] = pd.to_datetime(
    dict(
        year=df['Year'],
        dayofyear=df['Day'],
        hour=df['Hour'],
        minute=df['Minute']
    )
)

或者用时间增量的方式实现，效果一样：

# 先创建当年的第一天
df['DateTime'] = pd.to_datetime(df['Year'], format='%Y')
# 加上Day-1天的增量（因为Day=1就是第一天，不需要加）
df['DateTime'] += pd.to_timedelta(df['Day'] - 1, unit='D')
# 再加上小时和分钟的增量
df['DateTime'] += pd.to_timedelta(df['Hour'], unit='h') + pd.to_timedelta(df['Minute'], unit='m')

注意点 #

• 尽量保留datetime类型（不要直接转字符串），这样后续可以方便做时间筛选、分组、计算等操作；
• 如果不确定Day的定义，先确认数据文档或者业务逻辑，避免填错Month或者用错参数。

内容的提问来源于stack exchange，提问作者Sushil Khatri