如何在Pandas中合并datetime列与object类型的时间列？

刚好处理过类似的时间合并需求，我给你推荐两种靠谱的方法，其中第一种是最优方案，因为它完全基于Pandas的时间类型运算，避免了字符串转换的额外开销，效率更高：

你的Date列已经是datetime类型，Time列是字符串格式的时分数据，我们可以把Time列转换成时间增量（Timedelta），然后直接和Date列相加，一步到位生成目标列：

import pandas as pd

# 假设你的DataFrame变量名为df
df['Datetime'] = df['Date'] + pd.to_timedelta(df['Time'])

# 可选操作：如果不需要保留原Date和Time列，可以删除它们
df = df.drop(columns=['Date', 'Time'])

这个方法的优势在于：

• 全程是时间类型的数值运算，比字符串拼接快很多，尤其是数据量较大时
• 生成的Datetime列自动是datetime64[ns]类型，不需要额外转换
• 结果格式天然就是你需要的YYYY-MM-DD HH:MM样式

如果你觉得时间增量的逻辑不太好理解，也可以用更直观的字符串拼接方式：把Date转成字符串，和Time字符串拼接后，再用pd.to_datetime转换为datetime类型：

df['Datetime'] = pd.to_datetime(df['Date'].astype(str) + ' ' + df['Time'])

# 同样可选删除原列
df = df.drop(columns=['Date', 'Time'])

这种方法逻辑简单易懂，但因为涉及字符串的转换和拼接，在数据量较大时，效率会比方法1低一些。

结果验证 #

你可以用下面的代码确认结果是否符合要求：

# 查看列类型
print(df['Datetime'].dtype)  # 输出应为 datetime64[ns]
# 查看前几行值
print(df['Datetime'].head())

输出的Datetime列值会是2017-01-01 00:00这类格式，完全符合你的需求。

内容的提问来源于stack exchange，提问作者KMFR