如何在Python中合并DataFrame的年、月、日三列生成时间序列？

嘿，这个需求在时间序列预处理里太常见了！我给你分享几个实用的方案，都是基于pandas的，你可以根据自己的场景选：

方法1：直接用pd.to_datetime构造时间类型（最推荐） #

这是最省心的方式，pandas的to_datetime函数可以直接接收包含年、月、日的列作为参数，自动生成标准的datetime64类型列——这可是后续时间序列分析的最佳格式（比如做重采样、滑动窗口都直接能用）。

代码示例：

import pandas as pd

# 假设你的DataFrame名为df，列名分别是「年份」「月份」「日期」
df['合并日期'] = pd.to_datetime(df[['年份', '月份', '日期']])

这个方法还会自动校验日期合法性（比如2月30号这种无效日期会报错，你可以通过errors='coerce'参数把无效值转成NaT），比手动拼接字符串靠谱多了。

方法2：手动拼接成字符串格式（按需使用） #

如果你确实需要先得到「年-月-日」格式的字符串列，可以用字符串拼接，但记得要补全月/日的前导零，保证格式统一：

# 先把数值类型的年/月/日转成字符串，并用zfill(2)补零
df['日期字符串'] = (
    df['年份'].astype(str) + '-' +
    df['月份'].astype(str).str.zfill(2) + '-' +
    df['日期'].astype(str).str.zfill(2)
)

# 如果之后要转成时间类型，只需要再跑一遍：
# df['合并日期'] = pd.to_datetime(df['日期字符串'])

方法3：用apply自定义拼接（不推荐大数据量） #

这个方法灵活性高，但效率偏低，数据量大的时候不建议用：

df['合并日期'] = df.apply(
    lambda row: f"{row['年份']}-{row['月份']:02d}-{row['日期']:02d}",
    axis=1
)
# 同样，转成时间类型还是要靠pd.to_datetime
df['合并日期'] = pd.to_datetime(df['合并日期'])

总结一下：优先选方法1，直接生成datetime类型，后续时间序列操作一步到位；如果有特殊格式需求再考虑方法2，方法3只适合小数据量的临时处理。

内容的提问来源于stack exchange，提问作者k.vil