如何合并Pandas DataFrame的日期列与时间列生成新datetime列？

嘿，我来帮你搞定这个合并日期和时间列的需求！根据你描述的情况——Date是datetime64[ns]类型（实际是Timestamp对象），Time Start (UTM)是object类型但底层是datetime.time对象，这里有两种靠谱的方法：

方法1：直观的逐行处理（适合小数据集） #

这种方法逻辑简单，直接把日期和时间转成字符串拼接后再转回datetime：

df['New Column'] = df.apply(
    lambda row: pd.to_datetime(f"{row['Date'].date()} {row['Time Start (UTM)']}"),
    axis=1
)

原理是：row['Date'].date()提取出纯日期部分（比如2018-04-10），和时间字符串（比如13:03:00）拼接后，用pd.to_datetime转成完整的datetime对象。

方法2：高效的向量运算（适合大数据集） #

如果你的DataFrame行数很多，逐行apply效率会偏低，推荐用时间差的方式来合并，速度快很多：

# 先把时间列转成timedelta类型
df['time_delta'] = pd.to_timedelta(df['Time Start (UTM)'].astype(str))
# 提取Date的纯日期部分，加上时间差得到完整datetime
df['New Column'] = df['Date'].dt.floor('D') + df['time_delta']
# 可选：删除中间生成的time_delta列
df.drop('time_delta', axis=1, inplace=True)

这里df['Date'].dt.floor('D')会把Date的时间部分清零（变成2018-04-10 00:00:00），再加上转成timedelta的时间，就能精准得到合并后的datetime了。

两种方法最终都会生成你想要的New Column，类型为datetime64[ns]，完全符合示例里的效果~

内容的提问来源于stack exchange，提问作者juanchit