Python中CSV文件保存Datetime的最优方案及Excel兼容问题

为什么合并更优？ #

• 数据一致性：分开存储date和time容易出现不匹配的情况（比如日期列是2024-05-20，时间列却跨到了次日00:01），合并成datetime后能保证时间戳的完整性。
• Python处理效率更高：直接用datetime对象可以省去每次读取时拼接两列的步骤，方便后续做时间序列分析（比如按时间段过滤、计算时间差），调用pandas的时间相关API也更直接。
• Excel兼容性更好：Excel能直接识别标准格式的datetime列，无需额外设置单元格格式或手动拼接，排序、筛选、制作时间轴图表都更顺畅。

Python实现合并的代码示例 #

假设你用pandas处理CSV（这是最常用的方案）：

写入CSV时直接生成datetime列 #

import pandas as pd
from datetime import datetime
import time

# 模拟每秒采集数据
while True:
    current_time = datetime.now()
    # 测量数据示例
    measurement_data = {"value": 12.3 + (time.time() % 1)}
    # 直接构造包含datetime的DataFrame
    df = pd.DataFrame({
        "datetime": [current_time],
        "value": [measurement_data["value"]]
    })
    # 追加写入CSV，第一次写入表头
    df.to_csv("measurements.csv", mode="a", header=not pd.io.common.path_exists("measurements.csv"), index=False)
    time.sleep(1)

已有CSV文件的合并处理 #

如果已经有分开的date和time列，可以读取后合并：

import pandas as pd

# 读取现有CSV
df = pd.read_csv("measurements.csv")
# 合并date和time列为datetime，指定格式（根据你的实际格式调整）
df["datetime"] = pd.to_datetime(df["date"] + " " + df["time"], format="%Y-%m-%d %H:%M:%S")
# 移除原有的date和time列
df = df.drop(columns=["date", "time"])
# 保存为新的CSV，兼容Excel
df.to_csv("measurements_merged.csv", index=False)

Excel兼容注意事项 #

• 确保datetime格式是标准的ISO格式（比如YYYY-MM-DD HH:MM:SS），Excel能自动识别为日期时间类型，无需手动转换。
• 写入CSV时不要给datetime列加额外的引号或格式修饰，保持原始字符串格式即可。
• 如果Excel打开后datetime列显示为文本，选中列后设置单元格格式为「日期时间」即可，标准格式会自动适配。

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