将DataFrame中日期时间格式的生命周期间隔转换为字符串格式

我的DataFrame中Lifecycle Interval列本该表示0-3、4-11、12+这三类时间间隔，但导入后被识别为datetime.datetime类型，显示为类似2022-04-11 00:00:00的日期格式。我尝试了以下两种替换方法，但都没达到预期效果：

尝试代码1：

df['Lifecycle Interval'].replace(datetime.datetime(2022, 4, 11, 0, 0), '4-11', inplace=True)

尝试代码2：

df['Lifecycle Interval'].replace('2022-04-11 00:00:00', '4-11', inplace=True)

期望输出（列值为字符串类型的时间间隔）：

df = pd.DataFrame({'Lifecycle Interval':['0-3', '4-11', '12+']})
df['Lifecycle Interval'].unique()
# 输出: array(['0-3', '4-11', '12+'], dtype=object)

问题核心是列类型不匹配：用字符串替换datetime类型值，或datetime对象替换时存在精度/类型适配问题（比如列实际是pandas Timestamp而非原生datetime）。推荐用字典映射的方式，明确每个日期值对应的目标间隔字符串。

步骤1：确认列中所有唯一的日期值 #

先输出列的唯一值，明确每个日期对应的时间间隔：

print(df['Lifecycle Interval'].unique())

假设输出示例：

array([Timestamp('2022-01-03 00:00:00'), Timestamp('2022-04-11 00:00:00'), Timestamp('2022-12-01 00:00:00')], dtype=object)

步骤2：用字典映射替换 #

根据实际唯一值构建映射字典，用replace方法批量替换：

import pandas as pd

# 构建映射字典，键为列中实际的日期对象，值为目标间隔字符串
interval_map = {
    pd.Timestamp('2022-01-03'): '0-3',
    pd.Timestamp('2022-04-11'): '4-11',
    pd.Timestamp('2022-12-01'): '12+'
}

# 替换列值，建议直接赋值而非用inplace=True，避免修改原数据引发问题
df['Lifecycle Interval'] = df['Lifecycle Interval'].replace(interval_map)

验证结果 #

替换完成后，查看列的唯一值确认效果：

print(df['Lifecycle Interval'].unique())
# 输出: array(['0-3', '4-11', '12+'], dtype=object)

内容的提问来源于stack exchange，提问作者Deke Marquardt