Python中如何将object类型数据正确转换为纯time时间类型

执行pd.to_datetime(data['Start_time'],format= '%H:%M:%S').dt.time后得到的是Python标准库原生datetime.time对象的集合，pandas没有为这类零散的Python原生时间对象提供内置的向量化数据类型，因此整列会自动归为object类型，这是pandas的存储机制导致的，不属于转换失败。

根据实际使用需求选择对应方案即可：

• 追求计算性能，需要做时间比较、筛选、聚合等向量化操作
  不要调用.dt.time剥离日期，直接保留pd.to_datetime返回的datetime64类型即可，这是pandas原生支持的时间类型，运算性能远高于object列：

  data['Start_time'] = pd.to_datetime(data['Start_time'], format='%H:%M:%S')
  

  后续如果需要提取时、分、秒维度的信息，直接使用.dt.hour、.dt.minute、.dt.second接口调用即可，不需要额外转成纯time对象。
• 需要存储纯时间值、且要求非object的原生pandas类型
  把时分秒格式的字符串转为timedelta64类型即可，该类型支持所有时间大小比较、时间差计算等操作，完全满足纯时间值的使用需求：

  data['Start_time'] = pd.to_timedelta(data['Start_time'])
  

• 使用pandas 2.0及以上版本，需要严格的专用time类型
  基于pyarrow后端的扩展time类型可以实现纯time列的非object存储，需要提前安装pyarrow依赖：

  data['Start_time'] = pd.to_datetime(data['Start_time'], format='%H:%M:%S').dt.time.astype('time[pyarrow]')
  

• 仅做简单逐行取值，无批量计算需求
  你当前写的代码得到的object列本身可以正常使用，列内存储的确实是合法的datetime.time对象，只是存储类型显示为object，不需要额外修改。

内容的提问来源于stack exchange，提问作者BH_Houhou