pd.to_datetime无法将字符串转为datetime类型，仍保持object的问题

问题分析 #

你遇到的核心问题是：直接使用pd.to_datetime()时，pandas默认不会自动将带时区偏移的字符串（如2018-12-31 17:47:14+01:00）解析为带时区感知的datetime对象，因此列类型始终停留在object；而指定utc=True时，pandas会强制将时间转换为UTC时区，这不符合你保留原时区的需求。

解决方案 #

根据你的需求（保留原时区而非仅偏移量），推荐两种可行方案：

方案1：指定具体时区名称（推荐，支持夏令时）

CET（欧洲中部时间）对应的标准时区标识符是Europe/Paris，使用这个时区名称可以自动处理夏令时（CET/CEST）的偏移切换：

import pandas as pd

df = pd.read_csv('data.csv')
# 解析时指定时区为Europe/Paris
df['Time (CET)'] = pd.to_datetime(df['Time (CET)'], tz='Europe/Paris')

转换后列的数据类型会变为datetime64[ns, Europe/Paris]，既保留了时区信息，又能正确识别夏令时的偏移变化。

方案2：仅保留固定时区偏移

如果你的数据只有固定的+01:00偏移，不需要处理夏令时切换，可以通过指定格式来精准解析：

import pandas as pd

df = pd.read_csv('data.csv')
# 使用%z匹配时区偏移部分，指定utc=False保留原偏移
df['Time (CET)'] = pd.to_datetime(df['Time (CET)'], format='%Y-%m-%d %H:%M:%S%z', utc=False)

转换后列的类型为datetime64[ns, pytz.FixedOffset(60)]，对应固定的+01:00偏移。

为什么原代码无效？ #

你的初始代码未指定任何时区相关参数，pandas虽然能解析字符串内容，但不会主动将其标记为带时区的datetime对象，因此列类型保持为object；而utc=True参数会强制将解析后的时间转换为UTC时区，所以类型变为datetime64[ns, UTC]。

内容的提问来源于stack exchange，提问作者Matzemia