如何在Python中提取CSV内Unix时间戳的秒级微秒精度值？

单条时间戳处理（基础方法） #

如果只是验证单条时间戳的转换逻辑，直接用Python标准库的datetime模块即可：

import datetime

ts = 1666181576.26295
dt = datetime.datetime.fromtimestamp(ts)
# 拼接秒的整数部分与微秒转成的小数部分
sec_with_micro = dt.second + dt.microsecond / 1000000
print(sec_with_micro)  # 输出 76.262950

核心逻辑：Unix时间戳的小数部分对应微秒（1秒=1000000微秒），通过datetime对象的second属性获取秒的整数部分，microsecond属性获取微秒数，除以1e6转成小数后与整数部分相加，就能得到带微秒精度的秒数值。

批量处理CSV文件（高效方案） #

处理1000条数据用pandas更高效，步骤如下：

import pandas as pd

# 读取CSV文件（假设时间戳列名为`timestamp`）
df = pd.read_csv("your_file.csv")

# 先确保时间戳是浮点数（若CSV中存为字符串则执行此步）
df['timestamp'] = df['timestamp'].astype(float)

# 将时间戳列转换为datetime类型，保留微秒精度
df['datetime'] = pd.to_datetime(df['timestamp'], unit='s')

# 计算带微秒的秒数值
df['sec_with_micro'] = df['datetime'].dt.second + df['datetime'].dt.microsecond / 1000000

# 导出仅含秒数值的CSV（按需选择）
df['sec_with_micro'].to_csv("seconds_only.csv", index=False)

注意事项 #

• 默认使用本地时区转换，若需UTC时区，分别替换为datetime.datetime.utcfromtimestamp(ts)（单条处理）和pd.to_datetime(df['timestamp'], unit='s', utc=True)（批量处理）

内容的提问来源于stack exchange，提问作者Nifty