如何在Pandas中将毫秒级时间戳序列转换为年月格式？

你的时间戳是毫秒级整数（比如1570406400000），用Pandas的内置方法就能高效批量处理，比循环调用date.fromtimestamp()方便得多：

核心实现方法 #

直接用pd.to_datetime()把整列转成时间格式，再提取年月：

import pandas as pd

# 将毫秒时间戳列转换为datetime类型（unit='ms'指定输入为毫秒级）
df['latestCertificationDate'] = pd.to_datetime(df['latestCertificationDate'], unit='ms')
# 生成「YYYY-MM」格式的年月列
df['cert_year_month'] = df['latestCertificationDate'].dt.strftime('%Y-%m')
# 如果需要中文格式「YYYY年MM月」，修改格式化字符串即可
df['cert_year_month_cn'] = df['latestCertificationDate'].dt.strftime('%Y年%m月')

不修改原列的写法 #

如果不想改动原有时间戳列，可以直接链式操作：

df['cert_year_month'] = pd.to_datetime(df['latestCertificationDate'], unit='ms').dt.strftime('%Y-%m')

补充说明 #

你用date.fromtimestamp()能得到正确结果，是因为手动把毫秒转成了秒（比如1570406400000 ÷ 1000 = 1570406400），而pd.to_datetime()通过unit='ms'参数可以直接识别毫秒级时间戳，无需手动换算，批量处理效率更高。

测试单个值验证：

pd.to_datetime(1570406400000, unit='ms')
# 输出 Timestamp('2019-10-07 00:00:00')，正好对应你提到的2019年10月

内容的提问来源于stack exchange，提问作者jhicks2306