Pandas to_datetime格式异常：datetime64列转YYYY-MM格式问题

嘿，这个问题我之前也踩过坑！你之所以转成YYYY-MM字符串后再转回datetime64达不到预期，核心原因是**datetime64类型本质上需要完整的年-月-日信息**，单纯的YYYY-MM字符串转回去时，Pandas会自动补01作为日，但其实我们完全不用绕字符串转换的弯路——直接对日期做「月份截断」操作就能搞定。

最优方案：用dt.floor('M')截断到当月第一天 #

这个方法会把任意日期直接调整为对应月份的第一天，既保留了datetime64类型，又能完美代表整个月份的时间维度，后续做分组、排序、时间运算都完全没问题。

示例代码：

import pandas as pd

# 模拟你的原始数据
df = pd.DataFrame({'Date': ['1988-01-01', '1988-02-15', '1988-03-20']})
# 先确保列是datetime64类型（如果原始数据已经是可以跳过这步）
df['Date'] = pd.to_datetime(df['Date'])

# 生成保留datetime64类型的年月列
df['YearMonth'] = df['Date'].dt.floor('M')

# 查看结果和类型
print(df['YearMonth'])
print(df['YearMonth'].dtype)  # 输出：datetime64[ns]

输出的YearMonth列值会是1988-01-01、1988-02-01、1988-03-01，虽然显示带日，但本质上代表的是整个月份，如果你需要在展示时变成YYYY-MM格式，只需要在输出时用dt.strftime('%Y-%m')即可：

print(df['YearMonth'].dt.strftime('%Y-%m'))  # 输出：1988-01、1988-02、1988-03

关于你之前尝试的补充 #

其实你转字符串再转回datetime的思路是可以走通的，只是可能操作时没注意细节：

# 把日期转成YYYY-MM字符串再转回datetime64
df['Date'] = pd.to_datetime(df['Date'].dt.strftime('%Y-%m'))

这样得到的结果和dt.floor('M')是一样的（都是当月第一天），但这种方法需要两次类型转换，效率不如直接用floor高，所以更推荐前者。

额外说明：如果接受Period类型 #

如果你不严格要求datetime64，可以用dt.to_period('M')直接生成年月周期类型，它的显示就是YYYY-MM，而且专门用于按年月聚合：

df['YearMonth_Period'] = df['Date'].dt.to_period('M')
print(df['YearMonth_Period'])  # 输出：1988-01、1988-02、1988-03
print(df['YearMonth_Period'].dtype)  # 输出：period[M]

但要注意这种类型不能直接和datetime64做运算，所以如果需要后续时间操作，还是datetime64的方案更稳妥。

内容的提问来源于stack exchange，提问作者Abin John Thomas