Python处理CSV时间列异常：转换datetime类型失败求助

• 不要用Python标准库的datetime.strptime处理Pandas列（它仅支持单个字符串），改用Pandas专门的pd.to_datetime批量处理整列数据，同时注意匹配带AM/PM的时间格式：

  import pandas as pd
  
  # 读取CSV时强制该列为字符串类型，避免自动解析丢失完整时间信息
  df = pd.read_csv('你的文件路径.csv', dtype={'start': str})
  
  # 转换为datetime格式，格式字符串要匹配你的时间格式
  df['start'] = pd.to_datetime(df['start'], format='%d/%m/%Y %I:%M:%S%p')
  

  格式参数说明：

  • %d/%m/%Y：对应日/月/4位年份（比如1/1/2022）
  • %I：12小时制的小时数（适配12:34里的12）
  • %M:%S：分:秒
  • %p：匹配字符串末尾的am/pm标识

• 转换后如果单元格仍只显示分秒毫秒，可调整Pandas的显示设置，同时保持datetime类型以便计算时间差：

  # 让列完整显示内容
  pd.set_option('display.max_colwidth', None)
  # 若需要自定义显示格式，可新增列存储字符串格式，但计算时间差时要保留原datetime列
  # df['start_display'] = df['start'].dt.strftime('%d/%m/%Y %I:%M:%S%p')
  

• 若转换时遇格式错误，可加入errors='coerce'参数定位异常值：

  df['start'] = pd.to_datetime(df['start'], format='%d/%m/%Y %I:%M:%S%p', errors='coerce')
  # 查看转换失败的行
  print(df[df['start'].isna()])
  

• 时间差计算：只要两列都是datetime类型，直接相减即可得到Timedelta对象：

  df['time_diff'] = df['end'] - df['start']
  

内容的提问来源于stack exchange，提问作者Samuel Tan