如何正确转换Pandas DataFrame中指定格式的日期时间数据

你现有的Date/Time列格式为mm/dd HH:MM:SS，缺少年份字段，直接调用无参数的pd.to_datetime会出现两种问题：要么pandas自动填充当前系统年份导致时间不符合实际业务，要么格式匹配失败，转换后还是字符串类型。

按以下步骤处理即可：

• 先补全缺失的年份信息：如果你的所有数据都属于同一个年份（比如2024年），直接给日期字段拼接上年份前缀即可

# 按需替换成你实际对应的年份
df1['Date/Time'] = '2024/' + df1['Date/Time'].str.strip()

如果你的数据跨多个年份，且数据是按时间升序排列的，可以判断月日从12/31切换到01/01时自动递增年份，示例代码如下：

current_year = 2023 # 替换为数据起始年份
years = []
prev_month = None
for idx, date_str in df1['Date/Time'].items():
    month = int(date_str.split('/')[0])
    if prev_month is not None and month < prev_month:
        current_year += 1
    years.append(str(current_year))
    prev_month = month
df1['Date/Time'] = [y + '/' + d.strip() for y, d in zip(years, df1['Date/Time'])]

• 之后指定格式调用pd.to_datetime完成转换，指定格式既可以避免识别错误，还能大幅提升转换速度

df1['Date/Time'] = pd.to_datetime(df1['Date/Time'], format='%Y/%m/%d %H:%M:%S')

• 验证转换结果，执行以下代码如果输出datetime64[ns]即为转换成功

print(df1['Date/Time'].dtype)

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