如何在Python 3中将文本格式日期时间转换为日期时间对象并格式化为YYYY-MM-DD HH:MM

没问题，我来一步步帮你搞定这个需求！结合Jupyter Notebook的使用场景，我会分别介绍纯Python基础方法和更高效的pandas批量处理方法，你可以根据自己的需求选择。

第一步：导入制表符分隔的平面文件（TSV） #

如果你是做数据分析，推荐用pandas来导入，代码非常简洁：

import pandas as pd

# 导入TSV文件，sep指定为制表符'\t'
df = pd.read_csv('你的文件名.tsv', sep='\t')

如果想用纯Python的csv模块手动处理，也可以这样写：

import csv

with open('你的文件名.tsv', 'r', encoding='utf-8') as f:
    reader = csv.reader(f, delimiter='\t')
    # 读取表头和数据
    header = next(reader)
    data = list(reader)

第二步：将日期字符串转换为datetime类型 #

你的日期格式是Sat Jul 25 04:43:04 +0000 2020，我们需要用对应格式符来精准解析它：

方法1：纯Python datetime模块（处理单个/少量字符串） #

from datetime import datetime

date_str = "Sat Jul 25 04:43:04 +0000 2020"
# 解析字符串为datetime对象
datetime_obj = datetime.strptime(date_str, "%a %b %d %H:%M:%S %z %Y")
print(datetime_obj)
# 输出：2020-07-25 04:43:04+00:00

这里的格式符对应关系：

• %a：星期的缩写（比如Sat）
• %b：月份的缩写（比如Jul）
• %d：两位数字的日期（比如25）
• %H：24小时制的小时（比如04）
• %M：两位数字的分钟（比如43）
• %S：两位数字的秒（比如04）
• %z：时区偏移（比如+0000）
• %Y：四位数字的年份（比如2020）

方法2：pandas批量处理（适合整列数据） #

如果你的TSV文件里有一列是日期字符串，用pandas的to_datetime方法批量转换效率更高：

# 假设日期列名为'date_column'，替换成你实际的列名
df['datetime_column'] = pd.to_datetime(df['date_column'], format="%a %b %d %H:%M:%S %z %Y")

第三步：格式化为YYYY-MM-DD HH:MM形式 #

转换为datetime对象后，就可以轻松格式化出你需要的样式：

纯Python方法 #

formatted_date = datetime_obj.strftime("%Y-%m-%d %H:%M")
print(formatted_date)
# 输出：2020-07-25 04:43

pandas批量格式化 #

如果要给整列数据生成格式化后的日期列：

df['formatted_date'] = df['datetime_column'].dt.strftime("%Y-%m-%d %H:%M")

这样整个列的日期都会被批量处理成你需要的格式。

内容的提问来源于stack exchange，提问作者cqkycia