使用pd.read_csv读取CSV时，如何获取datetime.datetime类型而非timestamp？

首先明确：pandas中的Timestamp是Python原生datetime.datetime的子类，绝大多数场景下可以直接当作datetime对象使用，比如调用strftime()、时间比较等操作都完全兼容。但如果你的业务逻辑必须依赖原生datetime.datetime类型，可以通过以下方式处理：

方法一：读取后批量转换（推荐） #

这是最直接可靠的方式，读取完成后对日期列调用.dt.to_pydatetime()方法，即可将整列Timestamp转为原生datetime对象：

import pandas as pd

# 正常读取并解析日期列
df = pd.read_csv('your_data.csv', parse_dates=['date_column'])
# 转换为原生datetime.datetime类型
df['date_column'] = df['date_column'].dt.to_pydatetime()

方法二：读取时自定义解析函数 #

通过date_parser参数指定自定义解析函数，强制返回datetime.datetime对象。不过需要注意：pandas内部仍可能将其包装为Timestamp，所以这种方式不如方法一稳定，仅在特定场景下适用：

from datetime import datetime
import pandas as pd

# 自定义日期解析函数，根据你的CSV日期格式调整格式字符串
def custom_date_parser(date_str):
    return datetime.strptime(date_str, '%Y-%m-%d')

df = pd.read_csv('your_data.csv', parse_dates=['date_column'], date_parser=custom_date_parser)
# 若结果仍为Timestamp，再调用一次to_pydatetime()即可

总结：如果不是必须用原生datetime，建议直接使用pandas的Timestamp，它提供了更多适配数据分析的功能；如果确实需要原生对象，优先用方法一进行转换。

内容的提问来源于stack exchange，提问作者younghyun