如何将DataFrame中object类型的datetime列转换为datetime类型？

使用pandas内置的pd.to_datetime()方法即可完成转换，适配绝大多数场景，不需要额外安装第三方依赖。

• 基础转换
  对于格式规整、无脏数据的日期列，替换为自身代码中的DataFrame变量名和对应列名即可执行：

  import pandas as pd
  
  # 示例：将df中名为target_col的object类型列转为datetime类型
  df['target_col'] = pd.to_datetime(df['target_col'])
  

  转换完成后执行print(df.dtypes)，对应列显示datetime64[ns]即为转换成功。
• 非标准格式转换
  如果日期列是自定义非通用格式（比如31/12/2023 23:59这类日/月/年排序的结构），可以手动指定format参数匹配格式，转换速度比自动识别快数倍：

  # 根据实际日期格式修改format字符串即可
  df['target_col'] = pd.to_datetime(df['target_col'], format="%d/%m/%Y %H:%M")
  

  常用格式符说明：%Y对应4位年份、%m对应2位月份、%d对应2位日期、%H对应24小时制小时、%M对应分钟。
• 含脏数据的容错转换
  如果列中混入了无法解析的非法值，添加errors="coerce"参数即可，无法解析的内容会被转成pandas内置的空时间值NaT，不会直接抛出异常中断代码运行：

  df['target_col'] = pd.to_datetime(df['target_col'], errors="coerce")
  

• 多列批量转换
  存在多个object类型日期列需要统一转换时，不需要逐列编写代码，可直接批量处理：

  # 将所有需要转换的日期列名放入列表
  date_col_list = ['create_time', 'update_time', 'pay_time']
  df[date_col_list] = df[date_col_list].apply(pd.to_datetime, errors="coerce")
  

参考截图：

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