如何用pd.read_table在Python中正确加载CSV时间列数值？

问题原因 #

你遇到的ValueError是因为Time列的字符串包含多个小数点（比如3.975.808），这是由于文件使用了点作为千位分隔符，直接强制转换float会失败。

解决方案 #

方法1：读取时针对性清洗Time列

读取时不要全局强制dtype=np.float，而是用converters参数单独处理Time列，先清理字符串再转数值：

import pandas as pd

def parse_time(time_str):
    # 移除多余的小数点，仅保留最后一个作为小数分隔符
    split_parts = time_str.split('.')
    if len(split_parts) > 1:
        integer_part = ''.join(split_parts[:-1])
        decimal_part = split_parts[-1]
        return float(f"{integer_part}.{decimal_part}")
    return float(time_str)

# 读取文件，指定converters处理Time列
df = pd.read_table(path, delimiter=";", converters={'Time': parse_time})

方法2：利用区域格式参数直接读取（更高效）

如果文件是因区域格式差异导致的（比如欧洲地区常用点作千位分隔、逗号作小数分隔），可以直接用decimal和thousands参数读取：

import pandas as pd

# 假设文件中小数分隔符是逗号，千位分隔符是点
df = pd.read_table(path, delimiter=";", decimal=',', thousands='.')

步骤3：设置Time列保留5位小数

读取完成后，用round()方法让Time列保留5位小数：

df['Time'] = df['Time'].round(5)

如果只是需要显示时保留5位小数（不修改实际数值），可以设置全局显示格式：

pd.options.display.float_format = '{:.5f}'.format

内容的提问来源于stack exchange，提问作者programmer12345