如何将Pandas DataFrame中的日期列转换为时间戳？

没问题，这两种格式都可以用Pandas的pd.to_datetime()方法轻松处理，只需要给不同格式的列指定对应的格式字符串就行，我给你详细说下步骤：

处理col1：04-APR-2018 11:04:29 格式 #

这个格式是DD-MMM-YYYY HH:MM:SS，其中月份是三个字母的缩写（比如APR、JAN）。我们直接指定对应的格式参数就能快速转换：

import pandas as pd

# 假设你的DataFrame名为df
df['col1'] = pd.to_datetime(df['col1'], format='%d-%b-%Y %H:%M:%S')

这里的格式符含义：

• %d：两位数字的日期（比如04）
• %b：三个字母的月份缩写（不区分大小写，APR/apr都能识别）
• %Y：四位数字的年份（比如2018）
• %H:%M:%S：24小时制的时分秒

处理col2：2018040415203 格式 #

你给出的例子看起来是YYYYMMDDHHMMSS的简化版（可能输入时少了一位秒数，比如应该是20180404152003）。针对这种连续数字的日期格式，分两种情况处理：

情况1：数据是13位（比如2018040415203），秒数仅1位

我们可以先把字符串补全到14位（给秒数补前导0），再指定格式转换：

# 先转字符串，再用zfill补全到14位，不足的前面补0
df['col2'] = pd.to_datetime(df['col2'].astype(str).str.zfill(14), format='%Y%m%d%H%M%S')

情况2：数据是标准14位（比如20180404152003）

直接指定格式即可：

df['col2'] = pd.to_datetime(df['col2'], format='%Y%m%d%H%M%S')

小技巧：自动推断格式（适合小数据集） #

如果你的数据集不大，也可以让Pandas自动推断日期格式，不用手动写格式字符串——不过这种方法在大数据集上效率会低一些：

df['col1'] = pd.to_datetime(df['col1'])
df['col2'] = pd.to_datetime(df['col2'], infer_datetime_format=True)

转换完成后，这两列的数据类型都会变成datetime64[ns]，也就是Pandas标准的时间戳类型，之后你就可以做时间筛选、按时间分组等各种时间相关的操作啦。

内容的提问来源于stack exchange，提问作者Taukheer