pandas.DataFrame初始化时如何直接将日期列设为datetime类型

之前写法运行失败的核心原因有两点：

• 旧版的pd.datetime接口在pandas新版本中早已被弃用，不属于合法的dtype传参格式
• DataFrame构造器的原生dtype参数仅支持基础数值、字符串等类型的批量转换，本身不具备自动把非标准化格式的日期字符串解析为datetime对象的能力

可落地的实现方式 #

• 全版本兼容、最稳妥的实现：在构造DataFrame前就把日期列数据用pd.to_datetime完成解析，再传入构造器。示例代码：

import pandas as pd
# 预先解析日期，显式指定格式避免歧义
date_data = pd.to_datetime(['2020-01-01', '2020-07-01'], format='%Y-%m-%d')
# 构造时直接传入解析好的日期数据，无需事后转列
df = pd.DataFrame({'date': date_data})

这种方法初始化完成后，df['date']的dtype会直接是期望的datetime64[ns]，完全省去事后逐列转换的步骤，还可以灵活指定日期解析格式，避免格式不统一导致的解析错误。

• pandas 2.0+版本支持字典形式的dtype传参，可给指定列直接指定datetime类型，适配逐行传入列表数据的构造场景：

df = pd.DataFrame(
    [['2020-01-01'], ['2020-07-01']],
    columns=['date'],
    # 注意必须传字符串形式的dtype标识，不能传已弃用的pd.datetime
    dtype={'date': 'datetime64[ns]'}
)

注意：这种写法仅对符合ISO 8601标准格式的日期字符串生效，如果你的日期是'01/07/2020'这类非标准格式，会触发解析错误，兼容性不如第一种预先解析的方法，且仅在pandas 2.0及以上版本支持，1.x版本传字典形式的dtype会触发参数错误。

经验提示：不要盲目依赖构造器的自动日期解析能力，只要你的日期数据存在非标准格式、顺序歧义（比如月日和日月顺序混淆）的情况，优先用pd.to_datetime显式指定format参数传入数据，是最不容易出bug的方案。

内容的提问来源于stack exchange，提问作者Andreas