Pandas列转datetime报错：混合日期时间与整数类型问题

问题根源 #

你的Date列虽然显示dtype为object，但实际混合了字符串日期、float类型值（比如NaN）或整数，这导致pd.to_datetime无法正常识别，触发类型错误。

分步解决方案 #

1. 排查列内数据类型分布 #

先确认列里的具体类型构成，执行：

print(df['Date'].apply(type).value_counts())

你大概率会看到<class 'str'>和<class 'float'>（对应NaN）的统计结果。

2. 统一转换并处理无效值 #

先将整列转为字符串类型，再用errors='coerce'把无法识别的无效值转为NaT（Pandas的缺失日期类型）：

# 把所有值转为字符串，NaN会变成字符串'nan'
df['Date'] = df['Date'].astype(str)
# 转换为datetime，无效值自动转为NaT
df['Date'] = pd.to_datetime(df['Date'], errors='coerce')

3. 格式化输出为YYYY-MM-DD HH:MM:SS #

• 如果需要字符串格式的日期列：

df['Date_formatted'] = df['Date'].dt.strftime('%Y-%m-%d %H:%M:%S')

• 如果只是想显示时用该格式，但保留datetime类型：

pd.options.display.datetime_format = '%Y-%m-%d %H:%M:%S'

额外说明 #

如果列里存在整数型的无效值（非日期类数字），astype(str)后会转为字符串数字，pd.to_datetime配合errors='coerce'会把这些值也转为NaT，后续你可根据需求删除或填充这些缺失值。

内容的提问来源于stack exchange，提问作者kms