Python Pandas：如何拆分CSV中日期时间合并列？

你遇到的问题核心是目标列属于数值类型，无法直接调用字符串处理方法，下面提供两种实用的解决思路：

方法一：字符串截取拼接 #

先把数值列转为字符串，再按固定位置截取日期和时间部分，最后拼接成需要的格式：

import pandas as pd

CSVPath = "/Desktop/Test Data.csv"
data = pd.read_csv(CSVPath)

# 替换成你CSV中实际的日期时间列名
target_col = "你的列名"

# 将数值列转为字符串
data['temp_str'] = data[target_col].astype(str)

# 生成格式为「YYYY MM DD」的日期列
data['date'] = data['temp_str'].str[:4] + ' ' + data['temp_str'].str[4:6] + ' ' + data['temp_str'].str[6:8]

# 生成格式为「HH:MM:SS」的时间列
data['time'] = data['temp_str'].str[8:10] + ':' + data['temp_str'].str[10:12] + ':' + data['temp_str'].str[12:14]

# 移除临时字符串列（可选操作）
data = data.drop('temp_str', axis=1)

print(data)

方法二：利用datetime类型转换（更推荐） #

借助pandas的to_datetime方法直接解析数值为datetime对象，再提取日期和时间并格式化，这种方法能自动校验格式合法性：

import pandas as pd

CSVPath = "/Desktop/Test Data.csv"
data = pd.read_csv(CSVPath)

# 替换成你CSV中实际的日期时间列名
target_col = "你的列名"

# 将数值列解析为datetime类型
data['datetime_obj'] = pd.to_datetime(data[target_col], format='%Y%m%d%H%M%S')

# 生成指定格式的日期列
data['date'] = data['datetime_obj'].dt.strftime('%Y %m %d')

# 生成指定格式的时间列
data['time'] = data['datetime_obj'].dt.strftime('%H:%M:%S')

# 移除临时datetime列（可选操作）
data = data.drop('datetime_obj', axis=1)

print(data)

注意事项 #

• 务必替换代码中的"你的列名"为CSV中实际的日期时间列名称
• 方法二如果遇到不符合YYmmddHHmmss格式的数值，会生成NaT（缺失时间值），方便排查异常数据

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