Python pandas-使用datetime.time对象作为数据类型

我正在读取具有以下结构的Excel文件：

    A               B 
2015-09-05       15:05:32
2015-09-05       19:05:02

我正在使用

df = pd.ExcelFile(filename).parse(..)

当我查看此数据帧的

dtype

时，我可以看到日期被正确解析为

datetime64

对象，但时间不是：

>>> df.dtypes
     A         datetime64[ns]
     B         object

奇怪的是，当我查看

B

的内容时，我可以看到它们都是

datetime.time

对象

[s for s in main_df['B'].tolist() if type(s) is not datetime.time]
# There are no values that are *not* datetime.time objects

我想把这个

B

列转换成我更容易使用的内容。例如，我想先使用

多索引

，然后使用时间（这样我就可以进行分组和聚合）。或者我想加入这两个，这样我就有了一个列，那就是完整的日期

但在这一点上，我被卡住了。我尝试将它们转换为

datetime

：

main_df['B'] = main_df['B'].astype('datetime64')
ValueError: Could not convert object to NumPy datetime

---

有什么想法吗？

如果您只想将两者结合起来，您可以将它们作为字符串结合起来：

df = pd.DataFrame({ 'A' : ['2015-09-05', '2015-09-05'], 'B': ['15:05:32', '19:05:02']})
pd.to_datetime(df.A + ' ' + df.B)

或者您可以使用datetime组合：

import datetime

df.apply(lambda x: datetime.datetime.combine(x.A, x.B), axis=1)

---

如果您只想将两者连接起来，可以将它们作为字符串连接起来：

df = pd.DataFrame({ 'A' : ['2015-09-05', '2015-09-05'], 'B': ['15:05:32', '19:05:02']})
pd.to_datetime(df.A + ' ' + df.B)

或者您可以使用datetime组合：

import datetime

df.apply(lambda x: datetime.datetime.combine(x.A, x.B), axis=1)

---

当两个数据类型都是对象时，这部分工作正常，但如果其中一个数据类型是

datetime64

，则会出现错误。如果您在两行之间添加此项，例如：

df['A']=df['A'].astype（'datetime64'）

我想您可以在读入时将其数据类型指定为字符串，或者在编辑的答案中使用datetime。当数据类型都是对象时，这部分起作用，但如果其中一个数据类型是

datetime64

，则会给出一个错误。如果您在两行之间添加此项，例如：

df['A']=df['A'].astype（'datetime64'）

我想您可以在读入时将其数据类型指定为string，或者在编辑的答案中使用datetime。