Python pandas日期时间转换:如何修改csv读取的日期显示格式
解决方案
场景1:读取csv时直接完成格式转换
读取csv时先将日期列解析为datetime类型,再用dt.strftime方法指定目标输出格式即可,示例代码如下:
import pandas as pd # parse_dates参数传入你实际的日期列名称,示例中列名为datetime df = pd.read_csv('你的文件路径.csv', parse_dates=['datetime']) # 转换为 日-月-年 时分秒 格式 df['datetime'] = df['datetime'].dt.strftime('%d-%m-%Y %H:%M:%S')
用到的格式符说明:
%d:两位数字表示的日期%m:两位数字表示的月份%Y:四位数字表示的年份%H:24小时制的小时%M:分钟%S:秒
场景2:已读取的DataFrame日期列为字符串类型,先转类型再格式化
如果当前日期列已经被读取为字符串类型,需要先转换为datetime类型再做格式化:
# 先将字符串格式的日期转为datetime类型 df['datetime'] = pd.to_datetime(df['datetime']) # 再转换为目标格式 df['datetime'] = df['datetime'].dt.strftime('%d-%m-%Y %H:%M:%S')
补充:仅调整显示格式,不修改列存储类型
如果不需要修改列的实际值,只是希望打印查看DataFrame时日期按目标格式显示,同时保留datetime类型方便后续做时间计算、筛选等操作,可以全局设置pandas的日期显示规则:
pd.set_option('display.datetime_format', '%d-%m-%Y %H:%M:%S')
注意:用
strftime转换后的日期列会变为字符串类型,若后续有时间相关的运算需求,建议保留原datetime类型的列,新增单独的列存储格式化后的字符串,避免重复做类型转换损耗性能。
内容的提问来源于stack exchange,提问作者user1955215
相关产品推荐
相关产品推荐

