在使用pandas将仅包含时间信息的字符串列转换为datetime类型时，若不提供日期上下文，pandas默认会填充当前日期，导致原始日期信息丢失或错误。本文将详细介绍三种有效策略，包括字符串拼接、datetime与timedelta组合，以及源数据预处理，以确保日期和时间信息的准确合并与转换，从而避免日期意外变更。

在数据处理中，将字符串格式的日期和时间数据转换为datetime对象是常见的操作。然而，当数据集中日期和时间信息分别存储在不同的列中，并且尝试单独将仅包含时间信息的字符串列（例如"11:38:36 AM"）转换为datetime类型时，开发者可能会遇到一个常见的问题：转换后的datetime对象会意外地包含一个与原始数据不符的日期。

这个问题的根源在于pandas.to_datetime函数的默认行为。当pd.to_datetime接收到一个不包含日期部分的纯时间字符串时，它无法从该字符串中推断出日期信息。在这种情况下，Pandas会默认使用当前系统日期来填充缺失的日期部分。这意味着，如果你在2025年12月29日运行代码转换一个纯时间字符串，转换后的datetime对象将包含2025-12-29作为日期，无论原始日期是什么。这显然不是我们期望的结果，尤其是在处理需要精确日期时间戳的业务数据时。

为了避免这种日期漂移问题，我们需要确保在执行datetime转换时，始终提供完整的日期上下文。以下将介绍几种有效的解决方案。

1. 字符串拼接与转换

最直观的方法是将日期和时间字符串合并成一个完整的日期时间字符串，然后再进行pd.to_datetime转换。这种方法适用于日期和时间分别存储为字符串格式的列。

操作步骤： 首先，确保order_date和order_time列都是字符串类型。然后，使用str.cat()方法将它们与一个空格分隔符拼接起来，创建一个新的列，该列包含完整的日期时间字符串。最后，将这个新列转换为datetime类型。

示例代码：

import pandas as pd

# 初始DataFrame
data = {
    'order_details_id': [1, 2, 3, 4, 5],
    'order_id': [1, 2, 2, 2, 2],
    'order_date': ['1/1/23', '1/1/23', '1/1/23', '1/1/23', '1/1/23'],
    'order_time': ['11:38:36 AM', '11:57:40 AM', '11:57:40 AM', '11:57:40 AM', '11:57:40 AM'],
    'item_id': [109.0, 108.0, 124.0, 117.0, 129.0]
}
df = pd.DataFrame(data)

# 确保order_date和order_time是字符串类型
df['order_date'] = df['order_date'].astype(str)
df['order_time'] = df['order_time'].astype(str)

# 拼接日期和时间字符串，然后转换为datetime
df['order_datetime'] = pd.to_datetime(df['order_date'].str.cat(df['order_time'], sep=' '))

print("转换后的DataFrame (字符串拼接):")
print(df[['order_date', 'order_time', 'order_datetime']])
print("\n数据类型：")
print(df.dtypes)

输出示例：

转换后的DataFrame (字符串拼接):
  order_date   order_time      order_datetime
0     1/1/23  11:38:36 AM 2025-01-01 11:38:36
1     1/1/23  11:57:40 AM 2025-01-01 11:57:40
2     1/1/23  11:57:40 AM 2025-01-01 11:57:40
3     1/1/23  11:57:40 AM 2025-01-01 11:57:40
4     1/1/23  11:57:40 AM 2025-01-01 11:57:40

数据类型：
order_details_id             int64
order_id                     int64
order_date                  object
order_time                  object
item_id                    float64
order_datetime      datetime64[ns]
dtype: object

这种方法简单直接，易于理解和实现。

Reachout.ai

一个AI驱动的视频开发平台，专为忙碌的企业家和销售团队打造

142 查看详情

2. 日期时间与时间差组合

另一种更推荐且在某些场景下更具性能优势的方法是，将日期列转换为datetime对象，将时间列转换为timedelta对象，然后将两者相加。这种方法在处理大量数据时可能更为高效，因为它利用了Pandas的矢量化操作。

操作步骤： 首先，将order_date列直接转换为datetime类型。然后，将order_time列转换为timedelta类型。pd.to_timedelta能够识别多种时间格式字符串。最后，将这两个新生成的序列相加，得到完整的datetime列。

示例代码：

import pandas as pd

# 初始DataFrame
data = {
    'order_details_id': [1, 2, 3, 4, 5],
    'order_id': [1, 2, 2, 2, 2],
    'order_date': ['1/1/23', '1/1/23', '1/1/23', '1/1/23', '1/1/23'],
    'order_time': ['11:38:36 AM', '11:57:40 AM', '11:57:40 AM', '11:57:40 AM', '11:57:40 AM'],
    'item_id': [109.0, 108.0, 124.0, 117.0, 129.0]
}
df = pd.DataFrame(data)

# 将order_date转换为datetime，将order_time转换为timedelta，然后相加
# 使用pop()方法移除原始列，如果需要保留原始列，可以不使用pop()
df['order_datetime'] = pd.to_datetime(df.pop('order_date')) + pd.to_timedelta(df.pop('order_time'))

print("转换后的DataFrame (datetime + timedelta):")
print(df[['order_datetime']])
print("\n数据类型：")
print(df.dtypes)

输出示例：

转换后的DataFrame (datetime + timedelta):
       order_datetime
0 2025-01-01 11:38:36
1 2025-01-01 11:57:40
2 2025-01-01 11:57:40
3 2025-01-01 11:57:40
4 2025-01-01 11:57:40

数据类型：
order_details_id             int64
order_id                     int64
item_id                    float64
order_datetime      datetime64[ns]
dtype: object

此方法通过将日期和时间分别处理为它们各自的Pandas类型，然后进行数学运算，避免了字符串操作可能带来的性能开销，并且逻辑上更清晰地表达了日期和时间的组合。

3. 源数据预处理：将日期和时间作为单一列读取

最佳实践是在数据导入阶段就确保日期和时间信息合并在一起。如果可能，修改数据源或导入逻辑，使得日期和时间作为单个字符串列被读取。这样可以避免后续的列拼接或类型转换步骤，简化代码并提高效率。

操作步骤： 假设原始数据已经将日期和时间合并为一个字符串列，例如order_date_time。

示例代码：

import pandas as pd

# 模拟原始数据已包含合并的日期时间列
data_combined = {
    'order_details_id': {0: 1, 1: 2, 2: 3, 3: 4, 4: 5},
    'order_id': {0: 1, 1: 2, 2: 2, 3: 2, 4: 2},
    'order_date_time': {0: '1/1/23 11:38:36 AM',
                        1: '1/1/23 11:57:40 AM',
                        2: '1/1/23 11:57:40 AM',
                        3: '1/1/23 11:57:40 AM',
                        4: '1/1/23 11:57:40 AM'},
    'item_id': {0: 109.0, 1: 108.0, 2: 124.0, 3: 117.0, 4: 129.0}
}
df_combined = pd.DataFrame(data_combined)

# 直接将合并后的列转换为datetime
df_combined['order_dt'] = pd.to_datetime(df_combined['order_date_time'])

print("转换后的DataFrame (源数据预

以上就是Pandas日期时间转换：解决仅时间字符串转换导致的日期漂移问题的详细内容，更多请关注其它相关文章！

# 都是  # 广州企业网站建设外包  # 长沙海外营销推广招聘网  # 优化网站视频去水印  # seo内容修改  # 河南专业网站建设系统  # 网站优化搜索运营方案  # 昌乐网站建设推广价格  # 快速网站建设费用低  # 海南seo基础知识  # 全球社交网站建设游戏app  # ai  # 无需注册  # 如何用  # 这种方法  # 原始数据  # 操作步骤  # 是在  # 离线  # 串列  # 转换为 

相关栏目： 【 科技资讯46185 】 【 网络学院92790 】

相关推荐： Pandas DataFrame：高效添加条件计算列  漫蛙2(台版)官方入口地址 漫蛙2(台版)正版漫画网页端  ACG动漫手机版官网入口 手机ACG动漫APP在线观看正版  AO3镜像入口大全 AO3网页版内容访问全集  PySpark中高效提取字符串右侧可变长度数字：使用regexp_extract  不会效仿卡普空！《铁拳》制作人澄清：不采取赛事付费|直播|  J*aScript map 方法中处理循环元素为空数组的策略  Spyder启动失败：字体文件权限拒绝错误解决方案  必由学官方网站入口 必由学学生教师共用登录通道  知音漫客正版漫画平台_知音漫客官网账号登录  2026年CSGO开箱网站推荐 CSGO开箱平台精选  Bilibili动漫最新防封地址发布-Bilibili动漫2025年最稳正版入口推荐  c++如何实现单例设计模式_c++线程安全的单例模式写法  vivo云服务网页版登录 怎么登录vivo云服务网页版  Fabric Mod开发：在1.19.3+版本中正确添加自定义物品并管理物品组  微信商城在哪里打开【步骤】  AO3最新官网入口公告_2025AO3镜像站实时查询方法  163邮箱网页版入口导航平台 163邮箱网页版登录入口官网导航  精准捕获：如何在页面中监听除特定元素外的所有点击事件  蓝湖怎样用切图标注提对接效率_蓝湖用切图标注提对接效率【设计对接】  Win11怎么安装Linux子系统 Win11 WSL2安装Ubuntu及环境配置指南  使用Pandas转换并合并DataFrame：多列映射至统一结构  优化Log4j2控制台输出性能：解决异步日志瓶颈  蛙漫官方正版入口 蛙漫网页在线全集免费观看  小红书网页版入口链接分享 小红书官网直接进  Python Socket多播通信中指定源IP地址的实践指南  uc浏览器网页版入口 uc浏览器网页版最新网址  从OpenAI API响应中高效提取生成文本  J*aScript中如何高效提取对象指定属性  腾讯QQ邮箱官方网站_QQ邮箱网页版在线登录  微信聊天记录怎么加密_微信聊天记录加密方法  AO3官网镜像链接 Archive of Our Own同人文在线浏览  在J*aScript中复现SciPy的B样条拟合与求值：关键考量  c++如何使用折叠表达式(Fold Expressions)_c++17可变参数模板新技巧  荣耀Play7TPro怎样在信息App置顶客服对话_iPhone荣耀Play7TPro信息App置顶客服对话【优先查看】  Composer的 "conflict" 字段有什么用_如何声明不兼容的包以避免依赖冲突  Go语言中动态执行代码字符串的策略与实践  解决 MongoDB 聚合查询中对象数组 _id 匹配问题  SteamMachine定价或为699美元 大家想入手吗？  win11怎么查看应用耗电情况 Win11电池设置查看应用能耗排行榜【优化】  163邮箱官方主页登录 直达网易邮箱登录核心页面  Spring Boot内嵌服务器与J*a EE全栈特性：选择与部署策略  抖音网页版企业服务中心登录入口_抖音网页版企业登录平台  QQ邮箱官方网页版登录 QQ邮箱个人邮箱快速访问  护手霜蹭到袖口上了如何清洗？ 怎样避免留下一圈油印？  PHP 枚举：根据字符串获取枚举案例的策略与实现  一加手机拍照效果不好怎么办 一加哈苏影像调校与专业模式使用教程【高手篇】  Win10系统怎么查看已安装更新_Win10卸载有问题的更新补丁  C++20的source_location是什么_C++在编译期获取源码位置信息用于日志和断言  苹果手机如何防止被恶意App追踪