Pandas中Datetime转Date：全NaT列类型统一转换方法问询

有两种可靠的方式可以实现所有datetime列（包括全NaT的列）统一转换为日期类型，适配不同的需求场景：

方式1：转换为Python原生datetime.date对象（Object类型列） #

这种方式会将所有列的元素转为datetime.date对象，全NaT列会转为包含None的Object类型列，确保类型统一：

import pandas as pd

df = pd.DataFrame({
    "dt1":["2020-02-04","2021-05-02"],
    "dt2":[pd.NaT,pd.NaT],
    "dt3":[pd.NaT,"2020-03-26"]
})

# 先将所有列转为datetime类型
df = df.apply(pd.to_datetime)

# 统一转换为date对象
for col in df.columns:
    df[col] = df[col].dt.date

# 验证结果
print(df.dtypes)
# 输出：
# dt1    object
# dt2    object
# dt3    object
# dtype: object

print(type(df["dt1"][0]))  # <class 'datetime.date'>
print(df["dt2"][0])       # None

方式2：转换为Pandas原生日期类型（datetime64[ns]） #

如果更关注存储效率和Parquet兼容性，推荐这种方式——仅保留datetime的日期部分，列类型统一为datetime64[ns]，全NaT列也会保持该类型：

import pandas as pd

df = pd.DataFrame({
    "dt1":["2020-02-04","2021-05-02"],
    "dt2":[pd.NaT,pd.NaT],
    "dt3":[pd.NaT,"2020-03-26"]
})

# 先将所有列转为datetime类型
df = df.apply(pd.to_datetime)

# 统一保留日期部分（截断时间为00:00:00）
df = df.apply(lambda x: x.dt.floor('D'))

# 验证结果
print(df.dtypes)
# 输出：
# dt1    datetime64[ns]
# dt2    datetime64[ns]
# dt3    datetime64[ns]
# dtype: object

print(df["dt1"][0])  # 2020-02-04 00:00:00（实际仅存储日期信息，Parquet会正确识别为日期类型）

为什么之前的方法有问题？ #

当列全为NaT时，直接使用df.column.dt.date在部分Pandas版本中可能因元素全为缺失值，导致类型未自动转为Object。上述两种方式通过遍历或批量处理，强制统一了所有列的转换逻辑，避免了这种不一致性。

内容的提问来源于stack exchange，提问作者zachvac