如何高效将CSV中DAY、YEAR、MONTH列合并为datetime64[ns]类型列？

你的代码能实现需求，但通过字符串拼接再转datetime的方式存在不必要的性能开销，尤其是数据量较大时。Pandas提供了直接基于数值列生成datetime的更优方案：

推荐方案：直接用pd.to_datetime处理数值列 #

不需要将整数列转为字符串，pd.to_datetime可以直接接收包含year、month、day的DataFrame，自动完成合并：

# 直接在第0列插入合并后的DATE列
df.insert(0, "DATE", pd.to_datetime(df[["YEAR", "MONTH", "DAY"]]))

原理说明： #

Pandas内部会直接处理整数类型的年、月、日数值，跳过字符串转换的中间步骤，不仅代码更简洁，还能大幅提升处理速度、降低内存占用。

备选方案：自定义列映射 #

如果你的列名不是标准的YEAR/MONTH/DAY，可以通过字典指定对应关系：

df["DATE"] = pd.to_datetime({
    "year": df["YEAR"],
    "month": df["MONTH"],
    "day": df["DAY"]
})
# 若要放在第0列，执行insert：
df.insert(0, "DATE", df.pop("DATE"))

对比原代码的优势 #

• 避免了整数→字符串→datetime的转换链条，减少计算开销
• 代码行数更少，逻辑更直观
• 无需担心字符串拼接可能出现的格式异常（比如个位数日期/月份的补零问题，Pandas会自动处理）

内容的提问来源于stack exchange，提问作者arsia452