Jupyter Notebook导入CSV的dd.mm.yyy格式日期并合并为datetime的问题

格式错乱的原因是pandas默认解析日期时，会自动将dd.mm.yyyy格式中小于等于12的首日识别为月份，导致8月9日被错解析为9月8日，超过12的日期则会被正确识别为日，所以出现了后半段日期正常、前半段错乱的问题。

你可以通过指定日期格式的方式直接合并日期、时间列为标准datetime类型，处理8万行数据速度极快，完全不会影响后续绘图效率：

方法1：读取CSV时直接合并转换

如果你的日期列名为date、时间列名为time，直接在读取时配置参数即可：

import pandas as pd
import matplotlib.pyplot as plt

df = pd.read_csv(
    "你的文件路径.csv",
    # 合并date、time列为新的datetime列
    parse_dates={"datetime": ["date", "time"]},
    # 明确指定你数据的日期时间格式
    date_format="%d.%m.%Y %H:%M:%S"
)

方法2：已读取CSV后手动转换

如果已经把数据读取到DataFrame中，可以手动合并两列后转换：

# 拼接日期、时间字符串后按指定格式转为datetime类型
df["datetime"] = pd.to_datetime(df["date"] + " " + df["time"], format="%d.%m.%Y %H:%M:%S")

验证与绘图

转换完成后可以用df.dtypes查看列类型，datetime列会显示为datetime64类型，而非object类型，直接用于matplotlib绘图即可：

plt.plot(df["datetime"], df["你的数值列名"])
# 自动旋转x轴时间标签避免重叠
plt.gcf().autofmt_xdate()
plt.show()

内容的提问来源于stack exchange，提问作者Schlumpi