时间序列预测中如何将Object类型转换为Datetime类型

问题背景 #

现有DataFrame结构示例：

trxyear  trxmonth
0   2014    JUL-13
1   2014    JUL-13
...
46394   2023    SEP-22
46398   2023    SEP-22

需要将trxmonth列（如JUL-13）转换为当月第一天的Datetime类型（目标：JUL-13对应2013-07-01），但使用dateutil.parser.parse时会错误识别年份和日期（如JUL-13被解析为2022-07-13），添加日信息后虽能正确解析，但原始数据无日字段。

可行解决方案 #

方法1：拼接日信息+指定格式解析 #

直接给trxmonth字段补全日信息（固定为01），再用pandas.to_datetime指定格式解析，这是最简洁的方式：

import pandas as pd

# 假设df为目标DataFrame
df['trxmonth'] = pd.to_datetime('01-' + df['trxmonth'], format='%d-%b-%y')

• 格式说明：%d代表日，%b代表英文月份缩写（如JUL），%y代表两位年份，能精准匹配你的日期格式。

方法2：拆分字段构造日期 #

如果需要更灵活的年份处理，可先拆分trxmonth的月份和年份部分，再构造完整日期：

# 拆分月份和年份
df[['month_abbr', 'year']] = df['trxmonth'].str.split('-', expand=True)
# 构造当月第一天的日期字符串并转换
df['trxmonth'] = pd.to_datetime(f'01-{df["month_abbr"]}-{df["year"]}', format='%d-%b-%y')
# 可选：删除临时生成的拆分列
df.drop(['month_abbr', 'year'], axis=1, inplace=True)

方法3：自定义解析函数 #

如果有特殊格式需要兼容，可结合datetime模块写自定义解析函数：

from datetime import datetime

def parse_month_to_first_day(date_str):
    month_abbr, year = date_str.split('-')
    return datetime.strptime(f'01-{month_abbr}-{year}', '%d-%b-%y')

df['trxmonth'] = df['trxmonth'].apply(parse_month_to_first_day)

效果验证 #

执行上述任意方法后，trxmonth列会被正确转换为Datetime类型：

• 输入JUL-13 → 输出2013-07-01 00:00:00
• 输入SEP-22 → 输出2022-09-01 00:00:00

内容的提问来源于stack exchange，提问作者Mehmaam