datetime.strptime转换浮点日期时10月被误转为1月的问题咨询

异常原因 #

核心问题出在浮点数转字符串时的格式丢失：浮点类型的1871.10转为字符串后会变成"1871.1"（浮点数不存储末尾无意义的0），而datetime.strptime用"%Y.%m"格式解析时，会把".1"识别为月份1（自动补前导0为01），因此生成错误的1871-01-01。

解决方法 #

方法1：格式化浮点数为固定两位小数的字符串

先将浮点数格式化为保留两位小数的字符串，确保月份始终是两位数字，再进行日期解析：

from datetime import datetime
import pandas as pd

df["Date"] = df["Date"].apply(lambda x: datetime.strptime(f"{x:.2f}", "%Y.%m"))

或者使用str.format实现相同效果：

df["Date"] = df["Date"].apply(lambda x: datetime.strptime("{0:.2f}".format(x), "%Y.%m"))

方法2：直接拆分年份和月份（高效推荐）

跳过字符串转换，直接从浮点数中提取年份和月份，用pandas原生方法构造日期，适合大数据量场景：

import pandas as pd

df["Date"] = pd.to_datetime(
    {
        "year": df["Date"].astype(int),
        "month": (df["Date"] % 1 * 100).astype(int),
        "day": 1
    }
)

原理：

• df["Date"].astype(int)提取浮点数的整数部分作为年份（如1871.10→1871）
• df["Date"] % 1获取小数部分（0.10），乘以100后取整得到月份（10）
• 通过字典参数直接传递年、月、日给pd.to_datetime，无需逐行解析，效率更高。

方法3：正则补全字符串格式

先将浮点数转为字符串，用正则表达式补全小数部分到两位，再用pd.to_datetime解析：

import pandas as pd

df["Date"] = pd.to_datetime(
    df["Date"].astype(str).str.replace(r"(\.\d)$", r"\10"),
    format="%Y.%m"
)

原理：正则表达式(\.\d)$匹配小数部分只有一位的字符串（如"1871.1"），替换为"\10"即末尾补0，变成"1871.10"后再解析。

内容的提问来源于stack exchange，提问作者StCheese