如何在DataFrame序列化为JSON Lines文件时保留原日期格式？

这个问题本质上是因为pandas的datetime64类型会保留纳秒级精度——即便你的日期显示看起来只到秒，实际存储中可能带有微小的微秒值（比如数据导入时的精度误差，或是后续操作引入的）。当使用date_format='iso'序列化时，pandas会把这些隐藏的微秒部分也输出，导致日期格式多出.000005这样的后缀。

下面是两种可靠的解决方法：

方法1：将日期列转换为指定格式的字符串 #

这是最直接的方式，能完全控制日期的输出格式，避免pandas自动处理精度：

# 假设你的日期列名为'date'
df['date'] = df['date'].dt.strftime('%Y-%m-%d %H:%M:%S')
# 再序列化到JSON Lines
df.to_json('df.jsonl', orient='records', lines=True)

处理后，日期会以你想要的YYYY-MM-DD HH:MM:SS格式写入文件，不会出现额外的微秒部分。

方法2：截断datetime的微秒部分（保留datetime类型） #

如果你想继续保留列的datetime类型，只是去掉微秒部分，可以先对日期列做精度截断：

# 截断到秒级，去掉微秒
df['date'] = df['date'].dt.floor('s')
# 再序列化，此时date_format='iso'会输出不带微秒的ISO格式（注意ISO格式用'T'分隔日期和时间）
# 如果需要保留空格分隔的原始格式，更推荐方法1
df.to_json('df.jsonl', orient='records', lines=True, date_format='iso')

额外检查 #

你可以先确认日期列是否真的带有微秒：

# 查看日期列的微秒部分
print(df['date'].dt.microsecond)

如果输出不全是0，说明确实存在微秒值，这就是序列化时出现后缀的原因。

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