如何合并Pandas对象中的列？多日期列合并方案咨询

别担心，我来分享几个经过验证的方法，帮你把拆分后的年、月、日列合并成完整的日期列，存到新的Pandas对象里～

假设你的原DataFrame名为df，拆分后的三个日期列分别是year、month、day（如果你的列名不同，直接替换即可），下面是几种常用方案：

方法1：直接用pd.to_datetime多列组合（最推荐） #

Pandas的pd.to_datetime函数原生支持传入多列（年、月、日）直接转换为日期类型，这是效率最高的方式，尤其适合大型数据集：

import pandas as pd

# 复制原DataFrame到新对象（避免修改原数据）
new_df = df.copy()

# 合并三列为新的日期列
new_df['combined_date'] = pd.to_datetime(new_df[['year', 'month', 'day']])

注意事项： #

• 如果你的列是数值型（int/float），这个方法直接生效；如果是字符串类型，只要内容是合法的数字（比如"2023"、"10"）也可以正常转换。
• 遇到无效日期（比如2月30日）或缺失值时，会自动生成NaT（Not a Time），如果想强制转换并忽略错误，可以加上errors='coerce'参数：

  new_df['combined_date'] = pd.to_datetime(new_df[['year', 'month', 'day']], errors='coerce')
  

方法2：手动拼接字符串后转日期（适合自定义格式） #

如果你的日期列存在格式不统一的情况（比如月份是一位数5而不是05），可以先将列转为字符串并补零，再拼接成标准日期格式后转换：

# 将年、月、日列转为字符串，月份和日期补零（确保是两位）
new_df['year_str'] = new_df['year'].astype(str)
new_df['month_str'] = new_df['month'].astype(str).str.zfill(2)
new_df['day_str'] = new_df['day'].astype(str).str.zfill(2)

# 拼接为YYYY-MM-DD格式的字符串，再转日期
new_df['combined_date'] = pd.to_datetime(new_df['year_str'] + '-' + new_df['month_str'] + '-' + new_df['day_str'])

# 清理临时生成的字符串列
new_df = new_df.drop(['year_str', 'month_str', 'day_str'], axis=1)

方法3：用datetime模块逐行处理（适合复杂逻辑） #

如果需要对无效日期做自定义处理（比如替换为特定日期而不是NaT），可以结合datetime模块和apply逐行处理（注意：这个方法对超大数据集效率略低，优先用前两种）：

from datetime import datetime

def combine_date_rows(row):
    try:
        # 尝试生成日期对象
        return datetime(row['year'], row['month'], row['day'])
    except ValueError:
        # 自定义处理无效日期，比如返回NaT或指定默认日期
        return pd.NaT

new_df['combined_date'] = df.apply(combine_date_rows, axis=1)

你可以根据自己的数据集情况选择合适的方法，如果之前的尝试失败，大概率是列数据类型问题或者存在无效日期，试试加上errors='coerce'参数排查问题～

内容的提问来源于stack exchange，提问作者yellow days