Python中CSV日期(dd/mm/yyyy)转天数及DataFrame指定区间天数计算

用pandas是最高效的处理方式，直接解析日期并提取当年序数：

import pandas as pd

# 读取CSV时直接解析日期列，dayfirst=True适配dd/mm/yyyy格式
df = pd.read_csv("your_data.csv", parse_dates=["date_col"], dayfirst=True)

# 生成当年天数列，自动处理闰年
df["day_of_year"] = df["date_col"].dt.dayofyear

如果不用pandas，用标准库datetime处理：

from datetime import datetime
import csv

with open("your_data.csv", "r") as f:
    reader = csv.DictReader(f)
    for row in reader:
        # 解析dd/mm/yyyy格式的日期字符串
        date = datetime.strptime(row["date_col"], "%d/%m/%Y")
        # 获取当年天数，tm_yday自动处理闰年
        day_num = date.timetuple().tm_yday
        print(f"{row['date_col']} → {day_num}")

以下函数会过滤1995-01-01至2019-12-31的日期，计算每个日期的当年序数并求和，自动处理闰年：

import pandas as pd

def sum_day_of_year(df):
    # 确保"days"列转为datetime类型，适配dd/mm/yyyy格式
    df["days"] = pd.to_datetime(df["days"], dayfirst=True)
    
    # 过滤目标日期范围
    date_mask = (df["days"] >= "1995-01-01") & (df["days"] <= "2019-12-31")
    filtered = df.loc[date_mask]
    
    # 计算每个日期的当年天数并求和
    return filtered["days"].dt.dayofyear.sum()

# 测试示例
test_df = pd.DataFrame({"days": ["01/01/1995", "01/02/1995", "31/12/2019"]})
print(sum_day_of_year(test_df))  # 输出 1 + 32 + 365 = 398

如果你的需求是计算从1995-01-01到每个日期的累计天数之和（比如1995-01-01算第1天，1995-01-02算第2天），用这个版本：

def sum_cumulative_days(df):
    df["days"] = pd.to_datetime(df["days"], dayfirst=True)
    start_date = pd.to_datetime("1995-01-01")
    date_mask = (df["days"] >= start_date) & (df["days"] <= "2019-12-31")
    filtered = df.loc[date_mask]
    
    # 计算累计天数（+1对应示例中的起始日为第1天）
    filtered["cumulative"] = (filtered["days"] - start_date).dt.days + 1
    return filtered["cumulative"].sum()

说明：dt.dayofyear和tm_yday都会自动处理闰年，比如2020年2月29会被计算为当年第60天，无需手动编写闰年判断逻辑。

内容的提问来源于stack exchange，提问作者Dera