含日期时间与空白的列被Python Pandas识别为Object而非datetime64[ns]问题

我完全懂你遇到的这个头疼问题——混合了日期时间戳和空白单元格的列，Pandas总是固执地识别成Object类型，连转换器都不管用对吧？别担心，咱们一步步来搞定它，让这列乖乖变成datetime64[ns]类型，方便后续做日期减法。

问题根源 #

Pandas默认会把包含混合类型（有效日期+空白/无效值）的列识别为Object，直接用converters参数有时候会因为空白值的处理逻辑没跟上，导致转换不完全。咱们需要针对性地处理空白值，强制统一列类型。

解决方案1：读取后用pd.to_datetime()统一转换 #

这是最稳妥的方法，先读入数据，再对目标列做转换，把无法识别的空白转成NaT（Pandas里的日期型空值）：

import pandas as pd

# 先正常读取Excel文件
df = pd.read_excel("你的文件路径.xlsx")

# 转换目标列，errors='coerce'会把空白/无效值转为NaT
df["目标日期列名"] = pd.to_datetime(df["目标日期列名"], errors="coerce")

# 验证类型：输出应该是 datetime64[ns]
print(df["目标日期列名"].dtype)

解决方案2：读取时直接指定解析规则 #

如果想一步到位，读取时就用parse_dates配合na_values参数，提前把空白单元格标记为NaT，让Pandas能正确识别日期类型：

df = pd.read_excel(
    "你的文件路径.xlsx",
    parse_dates=["目标日期列名"],  # 指定要解析为日期的列
    na_values=["", " "]  # 把空字符串、空格单元格识别为NaT
)

解决方案3：自定义转换器函数（修复之前converter无效的问题） #

之前用转换器没生效，大概率是没处理空白值。咱们写个自定义函数，先判断空白再转换：

def date_converter(value):
    # 处理空白或NaN值
    if pd.isna(value) or str(value).strip() == "":
        return pd.NaT
    # 尝试转换为日期，失败也返回NaT
    try:
        return pd.to_datetime(value)
    except:
        return pd.NaT

# 读取时使用自定义转换器
df = pd.read_excel(
    "你的文件路径.xlsx",
    converters={"目标日期列名": date_converter}
)

后续日期减法操作 #

等列类型变成datetime64[ns]后，就可以轻松和另一日期列做减法了：

# 若要转成日期后做减法（得到天数差）
df["日期差"] = df["目标日期列名"].dt.date - df["另一日期列名"].dt.date

# 若要保留时间差（得到timedelta类型）
df["时间差"] = df["目标日期列名"] - df["另一日期列名"]

小提示 #

转换后可以用df["目标日期列名"].isna().sum()检查有多少空白单元格被转成了NaT，确保数据转换的完整性。

内容的提问来源于stack exchange，提问作者user3241544