如何从CSV文件的时间字段中移除日期并支持批量处理

一、解决CSV空格+分号的分隔问题 #

不管用Python内置csv模块还是pandas，都能轻松处理带空格的分号分隔：

• 用csv模块：读取时指定delimiter=';'，同时对每一行的字段做strip()去除前后空格

  import csv
  processed_rows = []
  with open('your_file.csv', 'r', newline='', encoding='utf-8') as f:
      reader = csv.reader(f, delimiter=';')
      header = [col.strip() for col in next(reader)]
      processed_rows.append(header)
      for row in reader:
          cleaned_row = [col.strip() for col in row]
          processed_rows.append(cleaned_row)
  

• 用pandas：直接加skipinitialspace=True参数，自动忽略分隔符后的空格

  import pandas as pd
  df = pd.read_csv('your_file.csv', sep=';', skipinitialspace=True)
  

二、提取Time字段的时间值 #

针对Time字段日期 时间的格式，有两种简单实现方式：

1. 字符串分割法 #

直接按空格拆分字符串，取后半部分时间值：

• csv模块处理时，在清洗行数据后修改Time字段：

  # 承接上面csv模块的代码，在cleaned_row处理后
  cleaned_row[0] = cleaned_row[0].split(' ')[1]  # 假设Time是第一列
  

• pandas中直接拆分列：

  df['Time'] = df['Time'].str.split(' ', expand=True)[1]
  

2. 正则匹配法 #

如果日期格式不固定，用正则精准匹配HH:MM:SS格式的时间部分：

# pandas中使用正则提取
import re
df['Time'] = df['Time'].apply(lambda x: re.search(r'\d{2}:\d{2}:\d{2}', x).group())

三、5000条数据的批量处理支持 #

5000条属于小规模数据，两种方法都完全能胜任：

• 内置csv模块：内存占用极低，处理速度快，无性能压力
• pandas：处理十万级甚至百万级数据都轻松，5000条更是毫无问题

处理完成后，将结果写回新CSV文件：

• csv模块写法：

  with open('processed_file.csv', 'w', newline='', encoding='utf-8') as f:
      writer = csv.writer(f, delimiter=';')
      writer.writerows(processed_rows)
  

• pandas写法：

  df.to_csv('processed_file.csv', sep=';', index=False)
  

内容的提问来源于stack exchange，提问作者EggSci