Pandas检查DataFrame列是否为Epoch时间时整列与单值结果不一致

问题根因 #

你遇到的批量校验和单值校验结果不一致的问题，根源是pd.to_numeric对不同输入类型的处理逻辑存在差异：

• 传入pandas datetime64类型的整列数据时，pandas会自动将datetime值隐式转换为纳秒级时间戳整数（int64类型），因此pd.to_numeric全部转换成功，返回非空值，导致isepoch列全为True。
• 传入单个Python原生datetime对象时，pd.to_numeric没有对应的隐式转换逻辑，无法识别该类型为合法数值，会返回NaN，因此单值校验结果为False。

你当前使用的检测逻辑本身存在适用场景偏差：该逻辑仅适用于存储为字符串、整数类型的Epoch时间校验，而你生成的date_time列本身就是datetime类型，存储的已经是解析后的时间对象，自然不属于Epoch/UNIX时间格式，校验前提不成立。

修正后的Epoch时间校验逻辑 #

可先判断列类型，再增加数值范围校验（避免普通整数被误判为Epoch），实现更准确的检测：

import pandas as pd
from datetime import datetime, timedelta

def is_epoch_column(series: pd.Series) -> pd.Series:
    # 已为datetime类型的列，不可能存储原始Epoch值，直接返回False
    if pd.api.types.is_datetime64_any_dtype(series):
        return pd.Series([False]*len(series), index=series.index)
    # 仅对数值、字符串类型列做转换校验
    numeric_series = pd.to_numeric(series, errors='coerce')
    # 常见Epoch时间为10位秒级、13位毫秒级，增加范围过滤减少误判
    return pd.notnull(numeric_series) & (numeric_series >= 1e9) & (numeric_series <= 1e13)

# 测试代码
temp_list = []
i = 1
while i < 10:
    d = {
        'ticker': 'TEST',
        'date_time': datetime.now() + timedelta(days=i),
        'price': 100 + i,
        'volume': i
    }
    temp_list.append(d)
    i += 1
test_df = pd.DataFrame(data=temp_list)
test_df['isepoch'] = is_epoch_column(test_df['date_time'])
print(test_df)

运行后isepoch列所有值均为False，和预期结果一致。

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