Pandas实现CSV中1900年起天数时间转带T的ISO8601格式

你已经完成了从1900年天数到datetime类型的转换，接下来可以通过以下几种方法将Series转换为带T的ISO8601格式字符串：

方法1：使用dt.isoformat()（推荐） #

这是最直接符合ISO8601标准的方法，通过Pandas的dt访问器调用datetime对象的isoformat()方法，自动生成带T分隔的格式，同时保留完整时间精度：

import pandas as pd

# 读取CSV并完成日期转换
df = pd.read_csv('myfile.csv')
df['DateTime'] = pd.to_datetime('1900-01-01') + pd.to_timedelta(df['DateTime'], 'D')

# 转换为ISO8601格式
df['DateTime'] = df['DateTime'].dt.isoformat()

运行后你的DateTime列会变成类似2019-06-07T14:54:17.230999464的格式，完全匹配需求。

方法2：自定义格式化字符串（适合精度调整） #

如果需要手动控制时间精度（比如只保留微秒或秒），可以用dt.strftime()指定格式：

# 自定义ISO8601格式（保留微秒）
df['DateTime'] = df['DateTime'].dt.strftime('%Y-%m-%dT%H:%M:%S.%f')

注：%f代表6位微秒，若需要更高精度（如纳秒），建议使用方法1，因为strftime无法直接支持纳秒级格式化。

方法3：字符串替换法（简单直接） #

如果是旧版本Pandas或需要快速处理，可先将datetime转为字符串，再把日期时间之间的空格替换为T：

# 转换为字符串后替换空格为T
df['DateTime'] = df['DateTime'].astype(str).str.replace(' ', 'T')

这种方法兼容性强，但要注意仅适用于Pandas默认的datetime字符串格式（日期时间用空格分隔）。

内容的提问来源于stack exchange，提问作者Swawa