You need to enable JavaScript to run this app. Pandas转换CSV时间列为dd/mm/yyyy hh:mm:ss格式后丢失时分秒
优惠活动
大模型
产品
解决方案
定价
更多

Pandas转换CSV时间列为dd/mm/yyyy hh:mm:ss格式后丢失时分秒

核心问题排查
  • 函数返回值逻辑错误:自定义格式化逻辑最后调用date_time_obj.date(),这个方法的作用就是仅提取日期维度的信息,会直接剥离所有时分秒内容,这是导出后只剩纯日期值的最直接原因。
  • 转换逻辑冗余且方向颠倒:你通过pd.to_datetime拿到正确解析的时间对象后,又手动转成%m/%d/%Y %H:%M:%S的字符串,再写try/except分支去尝试按两种规则解析——实际上pandas的to_datetime本身就可以正确识别带AM/PM的美式时间格式,这套二次转换的流程完全没必要,还容易出现格式判断偏差。
  • 导出参数设置错误:保存CSV时使用的date_format='%s'会把datetime值转成Unix时间戳(也就是从1970年1月1日开始计算的累计秒数),和你需要的dd/mm/yyyy hh:mm:ss可读格式完全不匹配。
  • 潜在变量冲突风险:自定义函数内部把临时存储的字符串命名为df,和全局存储数据的DataFrame变量重名,后续修改代码时很容易触发变量作用域的冲突问题。
修正后的实现方案

不需要手动调用原生datetime库做字符串解析,利用pandas内置的时间处理能力就可以稳定完成转换:

import pandas as pd

# 读取文件时直接完成TimeCreated列的解析
df = pd.read_csv(
    'sample.csv',
    parse_dates=['TimeCreated'],
    # 明确指定原始时间的格式规则,避免解析歧义
    date_parser=lambda raw_str: pd.to_datetime(raw_str, format='%m/%d/%Y %I:%M:%S %p')
)

# 将列值统一格式化为目标的dd/mm/yyyy hh:mm:ss格式
df['TimeCreated'] = df['TimeCreated'].dt.strftime('%d/%m/%Y %H:%M:%S')

# 导出CSV,此时列已经是格式化好的字符串,无需额外指定日期格式参数
df.to_csv('output.csv', index=False)

格式符说明:原始时间里的12小时制小时位用%I匹配,AM/PM标识用%p匹配,不会和24小时制的%H产生解析混淆。

更精简的实现写法

如果不想手动指定原始时间格式规则,也可以借助pandas的智能解析能力简化代码:

import pandas as pd

df = pd.read_csv('sample.csv')
# 自动识别原始时间格式,完成datetime类型转换
df['TimeCreated'] = pd.to_datetime(df['TimeCreated'], infer_datetime_format=True)
# 格式化为目标输出格式
df['TimeCreated'] = df['TimeCreated'].dt.strftime('%d/%m/%Y %H:%M:%S')

df.to_csv('output.csv', index=False)

内容的提问来源于stack exchange,提问作者DaveSwans

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.10.25 14:45:02