使用Pandas读取CSV时如何正确格式化DatetimeIndex

问题根源 #

你的问题出在pandas自动解析日期时的歧义——当日期中的日和月都≤12时，pandas无法明确区分day.month.year和month.day.year，导致解析混乱；另外自动解析不会强制指定时间序列频率，需要手动干预。

分步解决方案 #

1. 明确指定日期格式解析，避免自动歧义
   不要依赖pandas的自动日期解析，改用pd.to_datetime手动指定格式，确保解析完全匹配你的CSV格式：

   # 先读取CSV，暂不解析日期、不设为索引
   df = pd.read_csv('path/analysis.csv', sep=';')
   # 按CSV实际格式解析time_stamp列
   df['time_stamp'] = pd.to_datetime(df['time_stamp'], format='%d.%m.%Y %H:%M')
   # 将解析后的列设为DatetimeIndex
   df = df.set_index('time_stamp')
   

   这里的%d.%m.%Y %H:%M完全对应你CSV里的day.month.year hour:minute格式，解析后索引的内部存储和显示格式都会统一，不会出现格式切换问题。

2. 强制识别小时级频率
   解析完成后，需要明确设置时间序列频率。首先确认数据完整性（2018年是平年，全年小时级数据应为8760条），然后用asfreq方法强制设置频率：

   # 检查记录数是否符合全年小时数
   print(len(df))  # 正常应输出8760
   # 强制设置小时频率
   df = df.asfreq('H')
   

   如果存在缺失的时间点，asfreq会自动填充NaN（可根据需求用fillna处理缺失值）。设置后，通过df.index.freq可查看是否成功识别为<Hour>。

验证结果 #

执行上述步骤后，可通过以下方式验证效果：

• 索引类型：type(df.index) 仍为pandas.core.indexes.datetimes.DatetimeIndex
• 索引格式：print(df.index[:5]) 会显示统一的ISO标准格式（如2018-01-01 00:00:00）
• 频率识别：print(df.index.freq) 输出<Hour>，说明小时频率已正确识别

内容的提问来源于stack exchange，提问作者M.B