Pandas 的 read_parquet 不支持以 datetime.time 对象作为 DataFrame 列名，保存后读取会报错“data type 'time' not understood”；本文提供简洁可靠的字符串化转换方案，并说明原理与注意事项。
pandas 的 `read_parquet` 不支持以 `datetime.time` 对象作为 dataframe 列名，保存后读取会报错“data type 'time' not understood”；本文提供简洁可靠的字符串化转换方案，并说明原理与注意事项。
Parquet 是一种列式存储格式，广泛用于高性能数据分析场景，但其元数据规范（如 Apache Parquet 标准）并未定义对 Python 原生 datetime.time 类型的直接支持。当使用 time(9) 或 time(10, 30) 等对象作为 DataFrame 的列名时，to_parquet() 虽能暂存（依赖 pandas 内部序列化机制），但在后续 read_parquet() 过程中，Arrow 或 fastparquet 后端无法将该类型反序列化为合法的 pandas 数据类型，从而抛出 TypeError: data type 'time' not understood。
最直接、安全且无需额外依赖的解决方式是：在构造 DataFrame 前，将 time 对象显式转换为标准字符串格式（如 '09:00:00'）。这既保留了语义可读性，又完全兼容 Parquet 的类型系统：
from datetime import time
import pandas as pd
# ✅ 正确做法：列名转为字符串
df = pd.DataFrame(
index=['ABC', 'DEF'],
data={str(time(9, 0)): [2, 4], str(time(10, 30)): [6, 8]}
)
df.to_parquet('MWE.parquet')
df1 = pd.read_parquet('MWE.parquet')
print(df1)
# 输出：
# 09:00:00 10:30:00
# ABC 2 6
# DEF 4 8
⚠️ 注意事项：
- 不建议使用
pd.to_datetime()或pd.to_timedelta()替代——它们会改变数据语义（如将时间点转为日期时间戳或时长，丢失纯“时刻”上下文）； - 若需后续按时间逻辑排序列，可利用字符串的字典序（
'09:00:00' 成立）或通过pd.to_datetime(df1.columns, format='%H:%M:%S')临时解析； - 此方案适用于所有基于 Arrow 的 Parquet 引擎（默认 pyarrow），也兼容 fastparquet；
- 若列数据本身含
time类型（而非列名），应统一转为timedelta64[ns]或字符串，但本例中问题仅出在列索引层面。
总结：Parquet 本质是跨语言存储格式，优先保障类型互通性而非 Python 特有对象的保真度。将 time 列名转为 ISO 风格字符串是最小侵入、最大兼容的工程实践。
