Python使用pandas将Y-m-d H:M:S格式时间转换为int64整数

方案1：先转datetime类型（推荐，更稳妥） #

先将object类型的时间列解析为pandas datetime格式，校验合法性后再格式化转整数，代码如下：

# 转换为datetime格式，format参数指定输入格式提升解析效率，errors='coerce'可将非法时间转为空值
data_A['time'] = pd.to_datetime(data_A['time'], format='%Y-%m-%d %H:%M:%S', errors='coerce')

# 格式化为YYYYMMDDHHMMSS字符串后转int64，可根据需求替换列名覆盖原time列
data_A['time_int'] = data_A['time'].dt.strftime('%Y%m%d%H%M%S').astype('int64')

适用场景：数据时间格式不统一、存在异常值的场景，自动校验格式避免转换错误。

方案2：直接字符串替换（高效） #

如果确认所有时间值都严格遵循Y-m-d H:M:S格式，可直接删除分隔符后转整数，执行效率更高：

# 依次删除横杠、冒号、空格后转换为int64类型
data_A['time_int'] = data_A['time'].str.replace('-', '', regex=False)\
                                   .str.replace(':', '', regex=False)\
                                   .str.replace(' ', '', regex=False)\
                                   .astype('int64')

适用场景：数据质量可控、数据集规模较大的场景。

注意事项 #

• 若时间列存在空值，转换前可先通过data_A['time'].dropna()删除空值，或使用.fillna('0')填充空值避免转换报错
• 若需要直接覆盖原time列，将代码中的time_int替换为time即可

内容的提问来源于stack exchange，提问作者Lee