Pandas中MM:SS格式object类型stop_time列转时间类型（避免加默认日期）

你转换后出现1900-01-01日期前缀的核心原因是：Pandas的datetime64类型本质是时间点戳，设计上强制携带完整的日期维度，不存在“纯时间无日期”的原生datetime64格式。当遇到没有日期信息的时间值时，Pandas会自动将其锚定到系统默认的起始日期上，并非你的转换代码逻辑错误。

适配不同场景的转换方式 #

方案1：使用Timedelta类型转换（最推荐，适配你的存储场景） #

你列中存储的MM:SS是纯时间长度，而非带有具体日期的时间点，完全匹配Pandas的Timedelta（时间差）类型的定位，转换后不会附带任何冗余的日期信息：

• 正确转换代码：

  # 给原始MM:SS值前置补00作为小时位，对齐00:MM:SS的解析规则
  perf_dfExtended['Stop_Time'] = pd.to_timedelta('00:' + perf_dfExtended['Stop_Time'])
  

• 转换效果：列内值会变为类似0 days 00:05:38的格式，底层类型为timedelta64[ns]
• 注意点：拼接时必须在原始值前面补00:作为小时位，不能在后面补:00——因为to_timedelta对冒号分隔的时间值默认按「小时:分钟:秒」从左到右解析，如果在后面补秒位，会把原始的分钟值识别为小时、秒值识别为分钟，造成12倍的数值偏差。
• 优势：完全保留时间计算能力，支持排序、差值统计、和其他时长类型直接运算，没有冗余日期存储，效率更高。

方案2：保留Datetime类型，按需隐藏日期显示 #

如果你的后续流程必须使用Datetime64类型，不希望改动原有转换逻辑的兼容性，可以在不改变底层存储的前提下，裁剪显示格式：

• 仅做展示美化的场景：
  保留原Datetime列的计算能力，单独生成用于展示的格式列：

  # 原转换逻辑保留，保证底层计算能力
  perf_dfExtended['Stop_Time'] = pd.to_datetime(perf_dfExtended['Stop_Time'], format='%M:%S')
  # 生成无日期的展示列，值为MM:SS格式的字符串
  perf_dfExtended['Stop_Time_Show'] = perf_dfExtended['Stop_Time'].dt.strftime('%M:%S')
  

  注意：通过strftime生成的展示列是字符串类型，不能直接参与数值计算，否则会出现字符串排序、运算的逻辑错误。
• 需要存储纯时间值、不绑定任何日期的场景：
  可以在转换为Datetime后，提取时间部分生成纯时间对象列：

  perf_dfExtended['Stop_Time'] = pd.to_datetime(perf_dfExtended['Stop_Time'], format='%M:%S').dt.time
  

  该方式存储的是Python原生datetime.time对象，没有绑定任何日期锚点，但相对Timedelta类型，数值运算的灵活性会稍弱。

避坑提示 #

• 不要为了去掉日期前缀，直接把转换好的时间列全部替换为普通字符串。字符串类型的排序是逐字符匹配的，会出现类似"10:00"排在"05:38"之前的逻辑错误，后续做时间差值统计、排序时会产生异常结果。
• 如果你的列内值存在超过60分钟的格式（比如75:20），to_timedelta也可以正常解析，不需要额外调整格式。

内容的提问来源于stack exchange，提问作者Amir Rahimpour