Python读取含日期列CSV：大数字日期转换问题求助

这些超大数字是什么？ #

你看到的13位数字是毫秒级Unix时间戳，它代表从1970年1月1日00:00:00 UTC（协调世界时）开始累计的毫秒数。常规Unix时间戳是秒级（10位数字），而这里的13位数字是毫秒精度，所以数值远大于序数日期（序数日期是从公元1年开始的天数，数值通常在几万以内）。

如何转换为常规日期？ #

有两种高效的处理方式：

方式1：读取CSV时直接解析日期列 #

利用pandas.read_csv的parse_dates参数指定日期列，同时通过unit='ms'声明时间戳的单位是毫秒：

# 假设日期列名为'date_column'，多列的话用列表如['col1', 'col2']
df = pd.read_csv("foo.csv", encoding="utf-8", parse_dates=['date_column'], unit='ms')

方式2：读取后单独转换列 #

如果已经完成CSV读取，可使用pd.to_datetime单独转换目标列：

# 转换单列为日期格式
df['date_column'] = pd.to_datetime(df['date_column'], unit='ms')

# 若需要转换为本地时区（以上海为例），可追加时区处理
df['date_column'] = pd.to_datetime(df['date_column'], unit='ms').tz_localize('UTC').tz_convert('Asia/Shanghai')

验证示例 #

以你提供的997513068000为例，转换后对应的UTC时间是2001-08-11 05:31:08，你可以通过上述代码验证结果。

内容的提问来源于stack exchange，提问作者n_arch