如何用Python优雅地重排CSV文件中的日期列并转换日期格式？

要搞定你这个CSV格式转换需求，最符合Python风格的方式就是用标准库的csv和datetime模块来实现——不需要额外安装第三方包，代码简洁直观，还完全符合PEP8规范。

标准库实现方案（轻量首选） #

这个方案适合大多数场景，尤其是处理大文件时，逐行读写不会占用过多内存：

import csv
from datetime import datetime

# 替换成你实际的输入输出文件路径
INPUT_PATH = "input.csv"
OUTPUT_PATH = "output.csv"

def reformat_date(date_str):
    """把YYYY-MM-DD格式的日期字符串转为DD/MM/YYYY"""
    return datetime.strptime(date_str, "%Y-%m-%d").strftime("%d/%m/%Y")

# 用上下文管理器自动处理文件开闭
with open(INPUT_PATH, 'r', newline='') as infile, open(OUTPUT_PATH, 'w', newline='') as outfile:
    csv_reader = csv.reader(infile)
    csv_writer = csv.writer(outfile)
    
    # 遍历每一行，重构列顺序并转换日期
    for row in csv_reader:
        # 构造新行：转换后的日期 + 原前两列 + 原第四列
        new_row = [reformat_date(row[2])] + row[:2] + row[3:]
        csv_writer.writerow(new_row)

为什么这个方案很Pythonic？ #

• 依赖标准库：不需要额外引入第三方工具，保证代码的可移植性和轻量性；
• 上下文管理器：with语句自动处理文件的打开和关闭，避免资源泄漏，这是Python推荐的资源管理方式；
• 简洁的列表操作：用列表拼接直接调整列顺序，逻辑一目了然，没有冗余代码；
• 单一职责函数：reformat_date专注于日期格式转换，符合模块化设计思路；
• 迭代式处理：逐行读取写入，即使是GB级别的大文件也能轻松处理，不会爆内存。

大数据量/复杂场景可选：Pandas方案 #

如果你的数据量极大，或者需要后续做更多表格操作，用pandas的写法同样很Pythonic，代码更简洁：

import pandas as pd

# 读取CSV，因为原文件没有表头，指定header=None
df = pd.read_csv("input.csv", header=None)
# 转换日期格式并赋值到新的第一列
df[0] = pd.to_datetime(df[2]).dt.strftime("%d/%m/%Y")
# 重新排列列顺序：新第一列 + 原前两列 + 原第四列
df = df[[0, 1, 2, 3]]
# 写入输出文件，不保存索引和表头
df.to_csv("output.csv", header=None, index=False)

不过如果只是单纯的格式转换，标准库的方案更贴合"Pythonic"的轻量原则哦。

内容的提问来源于stack exchange，提问作者shongyang low