您可以使用datetime的now方法来创建时间戳，并将其分配给新列，如：s3['new_col'] = dt.datetime.now()或直接赋值给索引：

In [9]:

import datetime as dt
s3.index = pd.Series([dt.datetime.now()] * len(s3))
s3
Out[9]:
                                  s1        s2
2014-08-17 23:59:35.766968  0.916588 -1.868320
2014-08-17 23:59:35.766968  0.139161 -0.939818
2014-08-17 23:59:35.766968 -0.486001 -2.524608
2014-08-17 23:59:35.766968  0.739789 -0.609835
2014-08-17 23:59:35.766968 -0.822114 -0.304406
2014-08-17 23:59:35.766968 -0.050685 -1.295435
2014-08-17 23:59:35.766968 -0.196441 -1.715921
2014-08-17 23:59:35.766968 -0.421514 -1.618596
2014-08-17 23:59:35.766968 -0.695084 -1.241447
2014-08-17 23:59:35.766968 -0.541561 -0.997481

注意，由于赋值的分辨率和速度，你会在索引中得到很多重复的值，不知道这有多有用，在我看来，最好把它作为一个单独的列。

如果你使用Pandas DataFrame，那么最有用的是使用pandas专用的方法：pandas.Timestamp:https://pandas.pydata.org/docs/reference/api/pandas.Timestamp.html
在您的示例中，代码如下：s3['date_time'] = pd.Timestamp("now")
所以整个代码应该是这样的：

import pandas as pd
import numpy as np

s1 = pd.DataFrame(np.random.uniform(-1,1,size=10))
s2 = pd.DataFrame(np.random.normal(-1,1, size=10))
s3 = pd.concat([s1, s2], axis=1)
s3.columns = ['s1','s2']
s3['date_time'] = pd.Timestamp("now")

并且其应产生如下表：

s1        s2                  date_time
0 -0.166461 -1.709434 2023-05-10 18:12:30.622377
1  0.551211 -1.019878 2023-05-10 18:12:30.622377
2 -0.153177 -2.118046 2023-05-10 18:12:30.622377
3 -0.892176  0.234402 2023-05-10 18:12:30.622377
4 -0.877010 -1.237897 2023-05-10 18:12:30.622377
5  0.832463 -1.347766 2023-05-10 18:12:30.622377
6  0.930635 -0.010796 2023-05-10 18:12:30.622377
7 -0.506520 -0.128792 2023-05-10 18:12:30.622377
8  0.477318 -1.071283 2023-05-10 18:12:30.622377
9 -0.387735  0.268798 2023-05-10 18:12:30.622377