如何快速将Pandas中偶数列转换为datetime数据类型？

嘿，我来帮你搞定这个转换问题～先给你拍板：先获取列号列表再遍历转换的思路完全可行，但你的代码里藏了个小坑，才导致只有部分列转换成功。接下来我一步步给你捋：

1. 先修复你的遍历代码 #

你写的代码里，变量名i既用来存列号列表，又当循环变量，这会导致循环执行到第二次时，i变成整数1，原来的列号列表被覆盖，后续循环直接异常（或者只跑了前几项）。换个变量名就能解决：

# 先把偶数列号挑出来（变量名换个不重复的，比如even_cols）
even_cols = [col for col in range(df.shape[1]) if col % 2 == 0]
# 挨个转换
for col in even_cols:
    df.iloc[:, col] = pd.to_datetime(df.iloc[:, col], errors='coerce')

嫌麻烦的话，直接在循环里判断列号奇偶也行，代码更清爽：

for col_idx in range(df.shape[1]):
    if col_idx % 2 == 0:
        df.iloc[:, col_idx] = pd.to_datetime(df.iloc[:, col_idx], errors='coerce')
    # 没必要打"Not Applicable"，徒增输出冗余～

这样改完，所有偶数列都能正常转换了。

2. 更快更优的批量处理方案 #

遍历虽然能解决问题，但Pandas天生擅长批量操作——内置的矢量化方法比手动for循环快得多，尤其是数据量一大，差距特别明显。给你两种高效写法：

方法一：直接批量转换偶数列 #

用列索引的切片::2直接选中所有偶数列，然后一次性转换：

# 选中所有偶数列（列号从0开始，步长2）
even_columns = df.columns[::2]
# 批量转datetime
df[even_columns] = df[even_columns].apply(pd.to_datetime, errors='coerce')

方法二：不修改原DataFrame的版本 #

如果不想动原数据，用assign结合字典推导式生成新的DataFrame：

df_updated = df.assign(**{
    col: pd.to_datetime(df[col], errors='coerce')
    for col in df.columns[::2]
})

为啥批量更快？ #

Pandas的apply针对列的操作是底层优化过的矢量化运算，比Python层面的for循环少了很多额外开销，数据量越大，提速越明显。

3. 验证转换是否成功 #

转换完可以用这段代码检查一下，确保所有偶数列都变成datetime类型了：

for col in df.columns[::2]:
    print(f"列「{col}」的类型: {df[col].dtype}")

正常情况下，输出应该都是datetime64[ns]。

内容的提问来源于stack exchange，提问作者asimo