如何将DataFrame中多列合并为Pandas datetime格式？

当然没问题！有几种简洁高效的方式可以把你的Date、Month、Year和Time列合并成Pandas的datetime64格式，下面给你详细演示：

方法1：直接传入列组合（推荐） #

从Pandas 0.18版本开始，pd.to_datetime()支持直接传入包含年、月、日、时间信息的列组成的DataFrame，Pandas会自动识别并合并成datetime格式，这是最省心的方式：

import pandas as pd

# 先构造你的示例DataFrame
data = {
    'ProcessID1': [248, 436, 500],
    'UserID': ['Tony', 'Jeff', 'Greg'],
    'Date': [29, 28, 4],
    'Month': [4, 4, 5],
    'Year': [2017, 2017, 2017],
    'Time': ['23:30:56', '20:02:19', '11:48:29']
}
df = pd.DataFrame(data)

# 合并列生成Datetime列
df['Datetime'] = pd.to_datetime(df[['Year', 'Month', 'Date', 'Time']])

运行后，df['Datetime']的类型就是datetime64[ns]，你可以通过print(df['Datetime'].dtype)验证。

方法2：手动拼接字符串后转换 #

如果你使用的是较旧版本的Pandas，或者需要更灵活的格式控制，可以先把各列拼接成标准的日期时间字符串，再转换为datetime：

# 把年、月、日转成字符串，确保月/日是两位数（比如4→04），再拼接时间
df['Datetime'] = pd.to_datetime(
    df['Year'].astype(str) + '-' + 
    df['Month'].astype(str).str.zfill(2) + '-' + 
    df['Date'].astype(str).str.zfill(2) + ' ' + 
    df['Time']
)

这里的str.zfill(2)是为了保证月份和日期始终是两位数，避免出现2017-4-29这种不标准的格式导致解析失败。

验证结果 #

处理完成后，你的DataFrame会新增一列Datetime，内容如下：

0   2017-04-29 23:30:56
1   2017-04-28 20:02:19
2   2017-05-04 11:48:29
Name: Datetime, dtype: datetime64[ns]

内容的提问来源于stack exchange，提问作者Jithesh Erancheri