Pandas：如何将RangeIndex转换为正确的DateTimeIndex

我来帮你分析下这两个问题，都是Pandas里设置索引时很容易踩的小坑~

问题1：为何将日期列设为索引后无法得到正常的DateTimeIndex？ #

这是因为你调用df.set_index(df['T'])的时候，默认不会修改原DataFrame，而是返回一个设置了新索引的副本。如果你没有把这个副本赋值给原变量（比如df = df.set_index(df['T'])），也没有添加inplace=True参数，那原DataFrame的索引还是保持原来的RangeIndex不变，自然看不到DateTimeIndex啦。

简单说就是：你只生成了一个临时的带DateTimeIndex的DataFrame，但没把它保存下来，原df根本没被修改。

问题2：如何将RangeIndex转换为带有正确时间戳的DateTimeIndex？ #

这里有两种靠谱的解决方法，根据你的场景选择即可：

方法一：正确设置索引（推荐） #

既然你已经把T列转成了datetime64[ns]类型，直接用下面两种方式之一修改原DataFrame的索引：

• 方式1：赋值给原变量，生成新的DataFrame

df = df.set_index('T')

• 方式2：原地修改原DataFrame（无需重新赋值）

df.set_index('T', inplace=True)

操作完成后，你的索引就会变成正确的DateTimeIndex。如果想保留T列作为普通列，可以添加drop=False参数，比如df.set_index('T', drop=False, inplace=True)。

方法二：修正误操作后的索引 #

如果你之前的操作导致索引还是RangeIndex，但T列依然是正确的datetime类型，直接重新执行上面的方法一就可以。

至于你尝试的df.index = pd.to_datetime(df.index)会得到1970年的错误时间，是因为Pandas会把原来的整数索引当成**Unix时间戳（从1970-01-01开始的秒数）**来转换，而你的整数索引只是行号，不是时间戳数值，所以肯定会得到错误的远古时间，以后别这么用啦。

内容的提问来源于stack exchange，提问作者rioZg