Pandas处理datetime64[ns]日期：保留年月移除日时报错排查与解决

嘿，我来帮你搞定这个问题！首先咱们先搞清楚你遇到的错误原因：

你调用pd.to_datetime(df['my_date'].dt.year, df['my_date'].dt.month, 0)的方式不对——pd.to_datetime的参数规则不是这样的。这个函数的第一个参数是需要转换的目标数据（比如Series、字符串数组等），而你直接把三个独立的Series（年、月、固定的0）作为位置参数传进去，函数内部无法正确解析这些参数的类型，所以抛出了TypeError: invalid type comparison。

接下来给你几种简单靠谱的修复方法，按需选择：

方法1：直接转成月份周期（最简洁） #

如果你只需要保留「年-月」的标识，不需要严格的datetime类型，用dt.to_period('M')是最方便的：

# 确保原日期列已经是datetime类型（如果不是先执行下面这行）
# df['my_date'] = pd.to_datetime(df['my_date'])
df['my_date_new'] = df['my_date'].dt.to_period('M')

这样得到的结果是类似2023-10的周期类型，后续做分组、统计都很方便。如果需要转成当月第一天的datetime类型，再加一步：

df['my_date_new'] = df['my_date'].dt.to_period('M').dt.to_timestamp()

方法2：格式化字符串后转datetime #

先把原日期格式化为YYYY-MM的字符串，再转成datetime（结果会默认是当月第一天）：

df['my_date_new'] = pd.to_datetime(df['my_date'].dt.strftime('%Y-%m'))

方法3：构造参数传入pd.to_datetime（灵活可控） #

如果你想明确指定年、月、日（比如固定为1号），可以构造一个包含年、月、日的字典传给pd.to_datetime：

df['my_date_new'] = pd.to_datetime({
    'year': df['my_date'].dt.year,
    'month': df['my_date'].dt.month,
    'day': 1
})

这种方式可以自定义日的数值，灵活性更高。

内容的提问来源于stack exchange，提问作者Edamame