如何将仅含年月、日为00的int64列转换为年月格式的datetime类型？

• 第一种方案用%Y%m%d格式解析时，传入值的日位为00，不存在合法的0号日期，pandas解析失败返回NaT
• 第二种方案大概率是字符串操作存在隐式异常：比如部分值转字符串后长度异常、存在非数字字符等，导致切取前6位后仍不符合%Y%m格式要求，解析失败

首先说明：datetime类型本身会存储完整的年、月、日信息，无法仅存储年月维度。如果你需要195012这类展示效果，可根据使用场景选择以下两种方案：

方案1：转为Period年月类型（推荐，支持时间运算） #

Period类型是pandas专门用于时间周期的数据类型，完美适配年月维度的使用场景，支持时间偏移、分组聚合等时间运算：

# 直接通过整数运算去掉末尾两位日位，避免字符串操作异常
df['x'] = pd.to_datetime(df['x'] // 100, format='%Y%m').dt.to_period('M')

# 如果需要输出195012格式的整数结果，追加以下代码即可
df['x'] = df['x'].dt.strftime('%Y%m').astype(int)

方案2：转为格式化字符串（仅用于展示） #

如果不需要做时间运算，只需要输出固定格式的年月字符串，可以直接修正非法的日位后解析格式化：

# 将末尾的非法00日替换为合法的01日，解析后再格式化为年月字符串
df['x'] = pd.to_datetime(
    df['x'].astype(str).str.replace(r'00$', '01', regex=True),
    format='%Y%m%d'
).dt.strftime('%Y%m')

两种方案都可以兼容你给出的示例值19501200、19541100、19590300，不会出现NaT问题。

内容的提问来源于stack exchange，提问作者박혜림