如何使用pandas将仅含时分秒的列转换为无年月日的datetime格式？
2026-10-5
首先明确：Pandas 不存在「不含年月日的datetime格式」，datetime64 类型的本质是时间戳，必须绑定日期信息，转换时自动补全年月日是该类型的固有特性。以下是适配不同场景的可行方案：
方案1：使用 timedelta 类型存储（推荐，性能最优）
该方案适合需要做时间比较、时间差计算的场景，timedelta 为 Pandas 原生支持的数值类型，无需绑定日期，性能与 datetime64 一致，不会变为 object 类型：
df['time'] = pd.to_timedelta(df['time'])
转换后可直接通过 dt 属性读取时间分量，示例：
- 获取总秒数：
df['time'].dt.total_seconds() - 获取小时数：
df['time'].dt.components.hours
方案2：保留 datetime64 类型，仅隐藏日期显示
如果需要使用 datetime 类型的内置方法，可接受底层默认携带的 1900-01-01 日期（不影响时分秒的运算与提取），仅在展示时隐藏日期：
- 先完成 datetime 转换：
df['time'] = pd.to_datetime(df['time'], format = "%H:%M:%S")
- 全局设置 Pandas datetime 显示格式，仅展示时分秒：
pd.set_option('display.datetime_format', '%H:%M:%S')
方案3：使用 Pandas 扩展 Time 类型（规避 object dtype）
如果必须存储纯时间对象，且不希望列类型为 object，可使用 Pandas 1.4 及以上版本提供的 Time 扩展类型：
from pandas.core.arrays.datetimes import TimeDtype df['time'] = pd.to_datetime(df['time'], format="%H:%M:%S").dt.time.astype(TimeDtype())
转换后列的 dtype 为专属的 time 类型，存储内容为 Python 原生 datetime.time 对象，支持时间相关操作。
内容的提问来源于stack exchange，提问作者Tekle
相关产品推荐
相关产品推荐
