Pandas to_csv方法为何偶尔异常？最后一行索引丢失毫秒格式

原因分析 #

这种偶尔丢失毫秒的情况，核心是Pandas序列化Datetime索引时的自动格式推断逻辑导致的：

• Pandas的to_csv底层会先扫描索引的时间值，尝试统一输出格式。如果最后一条记录的毫秒（微秒）部分恰好是全0（比如2024-07-08 10:53:07.000000），底层C实现的序列化逻辑会自动省略这部分 trailing zeros，认为其无意义。
• 另外，numpy的datetime64类型以纳秒精度存储，但当时间值的毫秒部分实际为0时，格式化输出时会被截断，尤其当前面行都有非零毫秒时，这种差异会格外明显。

解决办法 #

1. 强制指定时间格式（最直接） #

调用to_csv时通过date_format参数明确指定格式，彻底绕过自动推断：

df.to_csv("output.csv", date_format="%Y-%m-%d %H:%M:%S.%f")

如果只需要两位毫秒（如示例中的.20），可以截取字符串控制位数：

# 先把索引转成指定格式的字符串，保留两位毫秒
df.index = df.index.strftime("%Y-%m-%d %H:%M:%S.%f").str[:-4]
df.to_csv("output.csv")

2. 将索引转为字符串列后保存 #

直接把Datetime索引转为字符串类型，完全掌控格式：

df.reset_index(inplace=True)
df['index'] = df['index'].dt.strftime("%Y-%m-%d %H:%M:%S.%f").str[:-4]
df.to_csv("output.csv", index=False)

3. 验证时间值的实际精度 #

偶尔可能是最后一条记录的时间本身就没有毫秒信息，可先排查数据：

print(df.index[-1])
print(df.index[-1].microsecond)  # 输出0则说明确实无毫秒部分

如果是数据源头的问题，需要从导入环节修复，确保保留完整时间精度。

内容的提问来源于stack exchange，提问作者Vaibhav Sharma