如何将日期列与含空值的时间列合并为datetime类型？

问题根源是time_start列的空值与date字符串拼接后，生成了无效的时间格式字符串，导致pd.to_datetime解析失败。以下是几种可行的解决方案：

方案1：使用errors='coerce'参数（最简单） #

直接给pd.to_datetime添加errors='coerce'参数，将无法解析的内容（包括空值拼接的无效字符串）转为时间类型的空值NaT：

df['time_start'] = pd.to_datetime(df['date'].astype(str) + ' ' + df['time_start'].astype(str), errors='coerce')

这个参数会跳过解析错误，同时保留所有能正常转换的时间值。

方案2：针对性处理非空行 #

先初始化列为NaT，只对time_start非空的行执行拼接转换：

# 先把整列设为时间类型空值
df['time_start'] = pd.NaT
# 筛选出time_start非空的行
non_null_mask = df['time_start'].notna()
# 仅对这些行进行时间转换
df.loc[non_null_mask, 'time_start'] = pd.to_datetime(
    df.loc[non_null_mask, 'date'].astype(str) + ' ' + df.loc[non_null_mask, 'time_start'].astype(str)
)

这种方式更可控，避免生成无效的拼接字符串。

方案3：利用datetime.combine高效组合（推荐） #

由于date已经是datetime类型，无需字符串拼接，直接用datetime.combine组合日期和时间，空值自动转为NaT：

from datetime import datetime

df['time_start'] = df.apply(
    lambda row: datetime.combine(row['date'], pd.to_datetime(row['time_start']).time()) 
    if pd.notna(row['time_start']) 
    else pd.NaT,
    axis=1
)

这种方法避免了字符串操作的性能损耗，更符合datetime类型的原生处理逻辑。

内容的提问来源于stack exchange，提问作者Con-cat-enate