如何修正DataFrame时间转换错误？将20220718.20154转为2022-07-18 20:15:40

你遇到的问题核心在于两点：

1. 浮点数转字符串时的精度丢失：原始数据是浮点数类型（如20220718.20154），直接用astype(str)转换可能因浮点数精度问题，得到带冗余小数位的字符串（比如20220718.201539999），导致解析格式不匹配。
2. 格式字符串不匹配：你的原始时间部分是5位（HHMMs，即小时2位、分钟2位、秒1位），但你用了要求6位秒数的%H%M%S格式，解析时出现匹配错误，导致秒数被错误解析。

解决方案 #

方案1：字符串格式化处理 #

通过格式化确保浮点数转字符串的精度，再补全秒数的缺失位：

import pandas as pd

df = pd.read_excel(filepath)
# 将浮点数格式化为固定的"YYYYMMDD.HHMMs"字符串（小数部分保留5位）
df['date_str'] = df['date'].apply(lambda x: f"{x:.5f}")
# 去掉小数点，末尾补0将秒数从1位转为2位，得到"YYYYMMDDHHMMSS"格式
df['date_str'] = df['date_str'].str.replace('.', '') + '0'
# 解析为标准datetime格式
df['date'] = pd.to_datetime(df['date_str'], format='%Y%m%d%H%M%S')
print(df['date'])

方案2：拆分日期与时间部分处理 #

拆分整数（日期）和小数（时间）部分分别处理，避免浮点数精度问题：

import pandas as pd

df = pd.read_excel(filepath)
# 提取整数部分作为日期，转为8位字符串
date_part = df['date'].astype(int).astype(str)
# 提取小数部分转为5位时间字符串，补0后得到6位HHMMSS格式
time_part = (df['date'] - df['date'].astype(int)) \
            .mul(100000).astype(int).astype(str).str.zfill(5) + '0'
# 拼接后解析为datetime
df['date'] = pd.to_datetime(date_part + time_part, format='%Y%m%d%H%M%S')
print(df['date'])

两种方案都能将20220718.20154正确转换为2022-07-18 20:15:40格式。

内容的提问来源于stack exchange，提问作者Jun