如何在Pandas中将字符串时间转换为纳秒级精度时间并保留9位小数

哈哈，这个坑我之前踩过！你遇到的截断问题，其实是因为Python标准库的datetime.time对象本身只支持微秒级精度（6位小数），而pandas的dt.time方法返回的就是这个对象，所以后面三位纳秒必然会被砍掉。不过别担心，咱们可以换个思路解决：

核心原理 #

Pandas的Timestamp（基于numpy的datetime64[ns]类型）本身是完全支持纳秒级精度的，问题出在后续的转换和显示环节。我们只需要避开Python标准库的time对象，直接用Pandas自身的类型或者自定义格式字符串来保留精度。

具体解决方案 #

1. 转换为Pandas Timestamp并保留原始类型 #

首先，用pd.to_datetime转换时，其实已经完整保留了纳秒精度，只是默认打印或者转dt.time时会截断：

import pandas as pd

# 你的原始时间字符串
time_str = "09:30:00.031883382"

# 转换为Timestamp，这里已经完整保留了纳秒
ts = pd.to_datetime(time_str, format="%H:%M:%S.%f")

# 直接打印Timestamp，能看到完整的纳秒
print(ts)
# 输出示例：2024-05-20 09:30:00.031883382（日期为当前默认日期）

2. 提取带纳秒的时间字符串 #

如果只需要时间部分（不含日期）的字符串，用strftime自定义格式，指定显示9位小数：

# 提取完整时间字符串（保留9位纳秒）
full_time_str = ts.strftime("%H:%M:%S.%9f")
print(full_time_str)
# 输出：09:30:00.031883382

3. 避免使用dt.time的原因 #

你之前尝试的dt.time方法会返回Python标准库的datetime.time对象，这个对象的精度上限是微秒（6位），所以必然会截断后三位：

t = ts.time()
print(t)
# 输出：09:30:00.031883（纳秒部分被截断）

总结 #

如果需要保留纳秒精度，要么直接使用Pandas的Timestamp类型存储，要么将其格式化为自定义的9位小数时间字符串，不要转成Python标准库的time对象。

内容的提问来源于stack exchange，提问作者fly36