当一列是日期时间而另一列是对象时，如何在 Pandas 中连接/合并两列？答案

【问题标题】：How to concatenate/merge two columns in Pandas when one column is datetime and another is object?当一列是日期时间而另一列是对象时，如何在 Pandas 中连接/合并两列？
【发布时间】：2018-05-17 21:53:53
【问题描述】：

我在 Pandas 中有以下数据框：

        Date   Time
0 2017-01-01  00:00
1 2017-01-01  01:00
2 2017-01-01  02:00
3 2017-01-01  03:00
4 2017-01-01  04:00

我想将时间列（类型：对象）连接到日期列（类型：日期时间）（稍后将其名称更改为日期时间）。 Datetime 列中的值应如下所示：

2017-01-01 00:00

连接/合并这些列的最佳方法是什么？结果列类型应为日期时间。谢谢。

【问题讨论】：

标签： python pandas dataframe

【解决方案1】：

将pd.to_datetime 与dt.strftime 一起使用

df['datetime']=pd.to_datetime(df.Date+df.Time,format='%Y-%m-%d%H:%M').dt.strftime('%Y-%m-%d %H:%M')

df
Out[879]: 
         Date   Time          datetime
0  2017-01-01  00:00  2017-01-01 00:00
1  2017-01-01  01:00  2017-01-01 01:00
2  2017-01-01  02:00  2017-01-01 02:00
3  2017-01-01  03:00  2017-01-01 03:00
4  2017-01-01  04:00  2017-01-01 04:00

【讨论】：

我喜欢它，但由于某种原因，这会引发几个回溯和 ValueError: format number 1 of "b'00:00'" is not Recognized，我想知道这是否与 excel 有关我正在使用 pd.read_excel 读取的文件（它是一个 .xlsx）。
@KMFR 我也这么认为，如果是 b”00:00” 应该没问题

【解决方案2】：

您可以将Date 改为字符串，将其与时间连接，然后转换为日期时间：

df['Date'] = df['Date'].astype(str)

df['datetime'] = pd.to_datetime(df.Date+' '+df.Time)

>>> df
         Date   Time            datetime
0  2017-01-01  00:00 2017-01-01 00:00:00
1  2017-01-01  01:00 2017-01-01 01:00:00
2  2017-01-01  02:00 2017-01-01 02:00:00
3  2017-01-01  03:00 2017-01-01 03:00:00
4  2017-01-01  04:00 2017-01-01 04:00:00

如果您不再需要它们，您可以删除 Date 和 Time 列

df.drop(['Date', 'Time'], axis=1, inplace=True)

【讨论】：

我没有投反对票，但在我看来，您可以只使用astype(str)，然后使用+ 而不使用apply。
谢谢你们！是的，没错，以您的方式连接比应用方法更快...

【解决方案3】：

这可能有点粗略，但您可以将它们组合成一个字符串，然后使用pd.to_datetime() 使它们再次日期：

In [1]: date = pd.to_datetime(pd.Series(['2017-01-01']*5))

In [2]: time = ["0{}:00".format(i) for i in range(5)]

In [3]: df = pd.DataFrame({'date': date, 'time': time})

In [4]: df
Out[4]:
        date   time
0 2017-01-01  00:00
1 2017-01-01  01:00
2 2017-01-01  02:00
3 2017-01-01  03:00
4 2017-01-01  04:00

In [5]: pd.to_datetime((df.date.astype(str) + " " + df.time))
Out[5]:
0   2017-01-01 00:00:00
1   2017-01-01 01:00:00
2   2017-01-01 02:00:00
3   2017-01-01 03:00:00
4   2017-01-01 04:00:00
dtype: datetime64[ns]

【讨论】：