Python中如何将DataFrame的年、月、日列转为日期戳？

嘿，我看你想把分散的年份、月份、日期三列合并成一个统一的日期戳列，刚好Pandas有非常方便的工具来做这个，先帮你修正代码里的小问题，再给出两种靠谱的实现方法：

1. 先修正列选择的语法错误 #

你在筛选df_tx_all列的时候，写法有点小问题：df_tx_all[col_tx_year, col_tx_month, ...] 不符合Pandas的语法，多列筛选需要用双层方括号（把列名放进一个列表里），修正后应该是这样：

df_tx_all = df_tx_all[[
    col_tx_year, col_tx_month, col_tx_day, 
    col_tx_customer_id, col_tx_distributor_id, 
    col_tx_product_family, col_tx_gross_sales_quantity, 
    col_tx_gross_sales_valuei, col_tx_net_sales_value, 
    col_tx_discount_values
]]

2. 两种合并成日期戳的方法 #

方法一：直接用Pandas的自动识别（最简便） #

pd.to_datetime()可以直接接收包含年、月、日的DataFrame子集，自动帮你组合成日期戳，这是最省心的方式：

# 直接传入年、月、日三列组成的DataFrame，生成time_stamp列
df_tx_all["time_stamp"] = pd.to_datetime(df_tx_all[[col_tx_year, col_tx_month, col_tx_day]])

这个方法要求你的年、月、日列是数值型（比如年份是2023，月份是5这种），或者是标准格式的字符串，Pandas会自动识别。

方法二：手动拼接字符串后转换（适合自定义格式场景） #

如果你的列是不规则的字符串（比如月份是"5"而不是"05"），或者需要指定特定的日期格式，可以先拼接成标准日期字符串再转换：

# 拼接成YYYY-MM-DD格式的字符串，用str.zfill(2)确保月份和日期是两位数
df_tx_all["date_str"] = (
    df_tx_all[col_tx_year].astype(str) + "-" +
    df_tx_all[col_tx_month].astype(str).str.zfill(2) + "-" +
    df_tx_all[col_tx_day].astype(str).str.zfill(2)
)

# 转换为日期戳，指定格式让Pandas更准确识别
df_tx_all["time_stamp"] = pd.to_datetime(df_tx_all["date_str"], format="%Y-%m-%d")

# 不需要临时列的话可以删掉
df_tx_all = df_tx_all.drop("date_str", axis=1)

3. 几个需要注意的小细节 #

• 记得保持变量名一致：你代码里写了df["time_stamp"]，但前面操作的是df_tx_all，这里要统一，不然会报错哦。
• 处理无效值：如果你的年/月/日列有缺失或者无效数据（比如月份是13），可以用errors参数处理：pd.to_datetime(..., errors="coerce")会把无效值转为NaT（空日期），errors="raise"则会直接抛出错误提醒你清理数据。

内容的提问来源于stack exchange，提问作者Sim re