使用Pandas将datetime类型的Open Date、Close date列转换为timestamp格式

以下是两种常见的转换实现，可根据你实际需要的timestamp格式选择： #

方案1：转换为数值型Unix时间戳（秒/毫秒级，最常用） #

import pandas as pd
import numpy as np
from datetime import datetime, date, time, timedelta

# 假设df为你的数据集对象
# 1. 转换为秒级Unix时间戳
df['Open Date_ts_sec'] = df['Open Date'].view('int64') // 10**9
df['Close date_ts_sec'] = df['Close date'].view('int64') // 10**9

# 2. 转换为毫秒级Unix时间戳（和原datetime64[ns]精度匹配）
df['Open Date_ts_ms'] = df['Open Date'].view('int64') // 10**6
df['Close date_ts_ms'] = df['Close date'].view('int64') // 10**6

# 空值兼容处理：避免空值转为0
df['Open Date_ts_ms'] = df['Open Date_ts_ms'].replace(0, np.nan)
df['Close date_ts_ms'] = df['Close date_ts_ms'].replace(0, np.nan)

说明：

• datetime64[ns]类型底层本身存储的就是纳秒级整数时间戳，直接读取底层数值做精度缩放即可，性能远高于逐行遍历操作
• 不需要保留原列的话，直接把结果赋值给原列名即可覆盖

方案2：转换为pandas.Timestamp对象类型 #

如果需要转为pandas自带的Timestamp对象格式，使用以下代码：

df['Open Date'] = df['Open Date'].apply(pd.Timestamp)
df['Close date'] = df['Close date'].apply(pd.Timestamp)

说明：

• 本身datetime64[ns]类型的Series取单个值时默认就是pandas.Timestamp类型，该操作仅在你需要整列存储为object类型的Timestamp对象时使用，常规场景更推荐保留原生datetime64[ns]类型，性能和兼容性更好

结果验证方法 #

# 查看转换后的列数据类型
print(df[['Open Date', 'Close date']].dtypes)

# 查看前5行转换结果对比
print(df[['Open Date', 'Open Date_ts_ms', 'Close date', 'Close date_ts_ms']].head())

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