Python中CSV日期时间列转时间戳报错解决及回归应用需求

我来帮你搞定这个问题，你的代码里有几个关键错误导致了那个TypeError，我一步步给你修正和解释：

首先看你的错误原因： #

1. 代码顺序搞反了：你先尝试转换datetime列，但这时候datetime列还没合并日期和时间，之后才合并，这完全颠倒了流程。
2. 误用了time.strptime：这个函数只能处理单个字符串，不能直接用来处理Pandas的Series（也就是整个列），而且你还把列名放在了列表['datetime2']里传进去，这就难怪会报错说参数是列表不是字符串了。
3. 没有用Pandas的批量处理方法：Pandas本身就有专门处理日期时间的工具，不需要用Python标准库的time模块来逐个处理，效率低还容易出错。

修正后的完整代码 #

import pandas as pd

filename = r'C:\Users\Windows 10\Desktop\bilal1.csv'
df = pd.read_csv(filename)

# 1. 先合并日期（第0列）和时间（第1列）为完整的日期时间字符串
df['datetime'] = df.iloc[:, 0] + ' ' + df.iloc[:, 1]

# 2. 将字符串转换为Pandas的datetime对象
# 注意：这里的format要和你CSV里的日期时间格式完全匹配，你的示例里是'%Y-%d-%m %H:%M:%S'，如果实际格式不同要修改
df['datetime_obj'] = pd.to_datetime(df['datetime'], format='%Y-%d-%m %H:%M:%S')

# 3. 转换为Unix时间戳（以秒为单位）
df['timestamp'] = df['datetime_obj'].dt.timestamp()

# 如果你需要整数形式的时间戳，可以用下面这行替代上面的
# df['timestamp'] = df['datetime_obj'].astype('int64') // 10**9

# 查看转换后的结果
print(df[['datetime', 'datetime_obj', 'timestamp']].head())

关键步骤解释： #

• 合并列：先把日期和时间列拼接成一个完整的日期时间字符串，这样才能被正确解析。
• 转换为datetime对象：pd.to_datetime是Pandas专门用来处理日期时间的函数，指定format参数可以确保解析的准确性，避免Pandas自动猜测格式出错。
• 生成时间戳：利用Pandas datetime列的dt属性调用timestamp()方法，可以一次性把整个列转换成Unix时间戳，这比循环处理每一行高效太多了。

格式调整提示 #

如果你的CSV里的日期时间格式不是%Y-%d-%m %H:%M:%S，比如常见的%Y-%m-%d %H:%M:%S（年-月-日 时:分:秒），记得修改pd.to_datetime里的format参数，匹配你实际的格式。

内容的提问来源于stack exchange，提问作者Umair Rehman