如何在Python CSV中将dd/mm/yyyy格式日期转换为天数

解决步骤与代码示例 #

要实现需求，核心是先把CSV里的日期字符串转为datetime类型，再和基准日期（2001-01-01）计算时间差，最后调整为从1开始的连续天数：

import pandas as pd

# 1. 读取CSV并解析日期列（假设日期列名为'date'）
# dayfirst=True 确保dd/mm/yyyy格式被正确解析
prices_df = pd.read_csv('your_data.csv', parse_dates=['date'], dayfirst=True)

# 如果读取时未解析日期，可后续单独转换：
# prices_df['date'] = pd.to_datetime(prices_df['date'], format='%d/%m/%Y')

# 2. 定义基准日期
base_date = pd.to_datetime('2001-01-01')

# 3. 计算连续天数：时间差的天数 +1（保证基准日为第1天）
prices_df['continuous_days'] = (prices_df['date'] - base_date).dt.days + 1

关键说明 #

• 日期解析正确性：必须指定dayfirst=True或format='%d/%m/%Y'，否则pandas会默认按mm/dd/yyyy解析，导致日期错乱（比如把01/02/2001识别为2001年1月2日而非2月1日）。
• 为什么加1：基准日与自身的时间差是0天，加1后对应示例中的第1天，符合需求逻辑。
• 原代码问题：你之前的代码直接对days列调用.dt.days是错误的——.dt.days仅适用于timedelta类型，而不是datetime类型；同时用'01/01/2001'作为新列名也不符合语义，建议改为continuous_days这类清晰的名称。

内容的提问来源于stack exchange，提问作者Dera