日期无前置零时如何将DataFrame列转换为datetime类型？

方法1：让Pandas自动推断格式（最简单高效） #

直接调用pd.to_datetime()并指定dayfirst=True（确保日在前的格式被正确识别），Pandas会自动处理缺少前导零的日期字符串：

# 转换Date_Time列为datetime类型
df['Date_Time'] = pd.to_datetime(df['Date_Time'], dayfirst=True)
# 设置为DataFrame索引
df.set_index('Date_Time', inplace=True)

dayfirst=True是核心参数，因为你的日期格式是「日+月+年」（比如1012020对应1日1月2020），不设置的话Pandas可能误判为月在前的格式。

方法2：手动补全前导零后指定格式解析 #

如果数据量极大，自动推断效率偏低，可以先给日期部分补前导零，统一格式后再解析：

# 拆分日期与时间字符串
df[['date_part', 'time_part']] = df['Date_Time'].str.split(' ', expand=True)
# 给日期部分补前导零，确保统一为8位（ddmmyyyy）
df['date_part'] = df['date_part'].str.zfill(8)
# 合并为标准格式的datetime字符串
df['full_datetime'] = df['date_part'] + ' ' + df['time_part']
# 指定格式解析
df['Date_Time'] = pd.to_datetime(df['full_datetime'], format='%d%m%Y %H:%M:%S')
# 设置索引并清理临时列
df.set_index('Date_Time', inplace=True)
df.drop(['date_part', 'time_part', 'full_datetime'], axis=1, inplace=True)

补充：导入阶段直接处理 #

也可以在read_csv时就完成转换，无需事后操作：

df = pd.read_csv(
    "example.csv",
    sep=";",
    decimal=",",
    parse_dates=[["Date", "Time"]],
    date_parser=lambda x: pd.to_datetime(x, dayfirst=True)
)
df.set_index('Date_Time', inplace=True)

内容的提问来源于stack exchange，提问作者KaaraT