如何用Python/Pandas将TXT文件中的日期时间列转为指定格式

核心思路 #

直接拼接日期和时间字符串，通过pd.to_datetime指定对应格式完成转换，这是最简洁高效的方式；如果需要分步处理，也可以分别转换日期和时间后再合并。

步骤1：读取TXT文件 #

先确保正确读取文件，根据你的TXT字段分隔符（空格、制表符、逗号等）调整sep参数，示例如下：

import pandas as pd

# 假设字段用空格分隔，header=None表示无表头，names自定义列名
df = pd.read_csv('your_data.txt', sep='\s+', header=None, names=['index', 'date', 'time', 'other_fields'])

步骤2：合并并转换为datetime类型 #

方法一：拼接字符串直接转换（推荐）

利用pd.to_datetime的format参数匹配你的日期时间格式，一步到位：

# 拼接date（YYYYMMDD）和time（HHMMSS）字符串，指定格式转换
df['datetime'] = pd.to_datetime(df['date'] + df['time'], format='%Y%m%d%H%M%S')

• 若你的日期是两位年份（如100301对应2010-03-01），把format里的%Y改成%y即可。
• 如果存在无效的日期时间值，可添加errors='coerce'将其转为NaT（缺失时间值），方便后续处理：

  df['datetime'] = pd.to_datetime(df['date'] + df['time'], format='%Y%m%d%H%M%S', errors='coerce')
  

方法二：分步转换后合并

如果需要拆分处理日期和时间，可将日期转为datetime，时间转为timedelta后相加：

# 转换日期列
df['date_dt'] = pd.to_datetime(df['date'], format='%Y%m%d')
# 将HHMMSS格式转为HH:MM:SS，再转为timedelta类型
df['time_delta'] = pd.to_timedelta(
    df['time'].str.slice(0,2) + ':' + 
    df['time'].str.slice(2,4) + ':' + 
    df['time'].str.slice(4,6)
)
# 合并为datetime列
df['datetime'] = df['date_dt'] + df['time_delta']

可选：转为指定格式的字符串 #

如果需要将datetime类型转为YYYY-MM-DD HH:MM:SS格式的字符串列（注意：datetime类型建议保留原类型用于时间运算，字符串仅用于展示）：

df['datetime_str'] = df['datetime'].dt.strftime('%Y-%m-%d %H:%M:%S')

内容的提问来源于stack exchange，提问作者Ches