迁移InfluxDB至MySQL：如何将CSV中的InfluxDB时间戳转换为日期和时间列？

嘿，我一眼就看出问题在哪啦！你手里的这个19位时间戳是纳秒级的纪元时间，而Python的datetime.fromtimestamp()默认只认秒级的时间戳——直接传这么大的数字进去，它肯定懵圈，要么报错要么给你一个离谱的未来日期。

核心解决思路 #

把纳秒时间戳除以1e9（也就是10的9次方），转换成带小数的秒级时间戳，这样datetime模块就能正确识别了。之后你再把转换后的datetime对象拆分成独立的日期和时间列就行。

单条时间戳转换示例 #

先给你个简单的测试代码，验证转换逻辑：

from datetime import datetime, timezone

# 你的纳秒级时间戳
ns_ts = 1578152602608558363
# 转成秒级时间戳（浮点数）
sec_ts = ns_ts / 1e9
# 转换成UTC时区的datetime对象
utc_datetime = datetime.fromtimestamp(sec_ts, timezone.utc)

# 拆分日期和时间
date_part = utc_datetime.date().isoformat()
time_part = utc_datetime.time().isoformat()

print(f"转换后的日期: {date_part}")
print(f"转换后的时间: {time_part}")

运行这段代码，你会得到：

转换后的日期: 2020-01-04
转换后的时间: 07:23:22.608558

完全符合正常的时间范围！

批量处理CSV文件（适合迁移MySQL） #

如果你要处理整个CSV文件，用pandas会更高效，直接批量转换并拆分列：

import pandas as pd
from datetime import datetime, timezone

# 读取原始CSV
df = pd.read_csv("your_influx_export.csv")

# 批量转换时间戳为UTC datetime
df["utc_datetime"] = df["time"].apply(lambda x: datetime.fromtimestamp(x / 1e9, timezone.utc))

# 拆分出日期和时间列
df["date"] = df["utc_datetime"].dt.date
df["time"] = df["utc_datetime"].dt.time

# 可选：移除中间的datetime列，保留需要的字段
df = df.drop("utc_datetime", axis=1)

# 保存转换后的CSV，方便导入MySQL
df.to_csv("converted_for_mysql.csv", index=False)

这个处理后的CSV里，date是纯日期格式，time是纯时间格式，直接导入MySQL的DATE和TIME类型字段就行。

补充说明 #

为什么之前的代码不行？因为1578152602608558363作为秒级时间戳的话，对应的是几十亿年后的时间，早就超出了Pythondatetime能处理的范围（一般到2038年左右，取决于系统），所以肯定会报错或者无法识别。只要先除以1e9转成纳秒→秒的单位，问题就迎刃而解啦！

内容的提问来源于stack exchange，提问作者Isaac