如何处理datetime64[ns]中的微/纳秒并转换为易读格式？

你导入.xls文件后得到的时间列数据如下：

0      2022-09-27 11:56:22.733740
1      2022-09-27 11:56:22.733940
2      2022-09-27 11:56:22.734140
3      2022-09-27 11:56:22.734340
4      2022-09-27 11:56:22.734540
           
4995   2022-09-27 11:56:23.732740
4996   2022-09-27 11:56:23.732940
4997   2022-09-27 11:56:23.733140
4998   2022-09-27 11:56:23.733340
4999   2022-09-27 11:56:23.733540
Name: time, Length: 5000, dtype: datetime64[ns]

小数点后为纳秒值，以下几种方法可以将其转换为更易读的格式：

方法1：格式化字符串（保留指定精度） #

使用dt.strftime将datetime对象转换为自定义格式的字符串，可按需保留毫秒（3位小数）或其他精度：

# 保留毫秒（3位小数）
df['time_readable'] = df['time'].dt.strftime('%Y-%m-%d %H:%M:%S.%f').str[:-3]

# 不保留小数（仅时分秒）
df['time_readable'] = df['time'].dt.strftime('%Y-%m-%d %H:%M:%S')

转换后结果示例：2022-09-27 11:56:22.733（毫秒精度）或2022-09-27 11:56:22（无小数）。

方法2：修改数据类型（降低精度） #

如果不需要纳秒级精度，可直接将列转换为datetime64[ms]（毫秒）或datetime64[s]（秒）类型，自动截断多余精度：

# 转换为毫秒精度
df['time'] = df['time'].astype('datetime64[ms]')

# 转换为秒精度
df['time'] = df['time'].astype('datetime64[s]')

转换后数据类型变为对应精度的datetime格式，显示时会自动省略末尾冗余的零，更简洁。

方法3：仅修改显示格式（不改变原始数据） #

如果不想修改原始数据类型，仅调整当前显示效果，可使用pandas的样式功能：

display(df.style.format({'time': lambda t: t.strftime('%Y-%m-%d %H:%M:%S.%f')[:-3]}))

这种方式仅在当前会话的显示中生效，原始数据仍保留完整的纳秒精度。

内容的提问来源于stack exchange，提问作者Ben