Python不使用pandas如何直接读取CSV文件中DD/MM/YY格式的日期数据

1. 前置依赖安装 #

你需要用到Python的pandas（数据处理）和matplotlib（绘图）库，安装命令：

pip install pandas matplotlib

2. 加载CSV并解析日期 #

加载时直接指定日期格式，避免pandas自动识别出错：

import pandas as pd
import matplotlib.pyplot as plt

# 读取CSV并自动解析日期列
df = pd.read_csv(
    "你的数据文件路径.csv",
    parse_dates=[0], # 指定第0列为日期列
    date_format="%m/%d/%y" # 匹配mm/dd/yy的日期格式，适配你给出的样例
)
# 自定义列名方便后续调用
df.columns = ["日期", "关联数值"]

说明：%m代表月份、%d代表日期、%y代表两位年份，会自动识别为2000年之后的日期，比如样例中的1/2/16会被解析为2016-01-02。

3. 验证解析结果 #

运行以下代码确认数据加载正确：

# 查看列类型，日期列应为datetime64类型
print(df.dtypes)
# 查看前5行数据，确认日期解析无误
print(df.head())

4. 绘制趋势图 #

plt.figure(figsize=(12, 6))
# 绘制原始数据折线图
plt.plot(df["日期"], df["关联数值"], marker='o', linestyle='-', color='#1f77b4', label='原始数值')
# 可选：添加7日滑动平均线，平滑波动凸显长期趋势
df["7日滑动平均"] = df["关联数值"].rolling(window=7).mean()
plt.plot(df["日期"], df["7日滑动平均"], linestyle='--', color='#ff7f0e', label='7日滑动平均')

# 图表样式配置
plt.xlabel("日期")
plt.ylabel("关联数值")
plt.title("数值随日期变化趋势")
plt.xticks(rotation=45)
plt.legend()
plt.tight_layout()
plt.show()

5. 常用趋势分析操作 #

• 计算环比变化率：df["环比变化率(%)"] = df["关联数值"].pct_change() * 100
• 按月聚合统计均值：monthly_avg = df.groupby(df["日期"].dt.to_period("M"))["关联数值"].mean()
• 筛选指定时间段数据：period_df = df[(df["日期"] >= "2016-01-01") & (df["日期"] <= "2016-12-31")]

内容的提问来源于stack exchange，提问作者Amit Kumar