如何将DataFrame中float64类型的年份列转换为datetime格式？

你之前用pd.DatetimeIndex(df['Year']).year得到1970的核心原因是：pandas会把传入的数字**当作Unix时间戳（即从1970-01-01 00:00:00开始的秒数）**解析。比如2025秒对应的实际时间是1970-01-01 00:33:45，取年份自然是1970，这和你解析年份的需求完全不匹配。

针对你的两种需求，分别提供如下方案：

需求1：转换为补全年初日期的datetime格式 #

使用pd.to_datetime()并指定格式为%Y，pandas会自动将年份补全为当年的1月1日，空值会转为NaT：

import pandas as pd
import numpy as np

# 构造目标DataFrame
df = pd.DataFrame({'Year': [2025, 2024, np.nan, 2023, 2026, np.nan]})

# 转换为补全01-01的datetime格式
df['Year_datetime'] = pd.to_datetime(df['Year'], format='%Y', errors='coerce')

执行后df['Year_datetime']的结果为：

0   2025-01-01
1   2024-01-01
2          NaT
3   2023-01-01
4   2026-01-01
5          NaT
Name: Year_datetime, dtype: datetime64[ns]

需求2：保留仅年份的周期形式 #

如果希望直接以年份形式存储（同时保留时间序列语义），可以将转换后的datetime转为Period类型，格式指定为年份'Y'：

# 转换为仅显示年份的周期类型
df['Year_period'] = pd.to_datetime(df['Year'], format='%Y', errors='coerce').dt.to_period('Y')

执行后df['Year_period']的结果为：

0    2025
1    2024
2     NaT
3    2023
4    2026
5     NaT
Name: Year_period, dtype: period[A-DEC]

该类型既直观显示年份，也支持pandas的时间序列相关操作。

内容的提问来源于stack exchange，提问作者user4740374