如何将数据集中含日期时间的列拆分为日期、时间两个独立列

所有待拆分列均为「日期内容+空白分隔符+时间内容」的固定结构，直接按分隔符切分即可得到独立的日期、时间列，无需复杂格式解析。

Pandas 批量处理实现（适配数据集处理场景） #

1. 加载数据集

import pandas as pd
# 替换为你实际的数据集A文件路径
A = pd.read_csv("数据集A.csv")

2. 配置待拆分列列表
   把所有需要拆分的混合日期时间列名放入列表，例如本次拆分Cat列：
   target_split_cols = ["Cat"]
3. 执行拆分

for col_name in target_split_cols:
    # 匹配连续空白字符做单次拆分，兼容原数据中的多余空格、制表符间隔
    A[[f"{col_name}1", f"{col_name}2"]] = A[col_name].str.split(r"\s+", n=1, expand=True)

执行完成后自动生成Cat1列存储纯日期内容、Cat2列存储纯时间内容，和示例的目标输出完全一致。

可选调整操作 #

• 不需要保留原始混合列时，可执行删除操作：A = A.drop(columns=target_split_cols)
• 需要将字符串格式的日期、时间转为对应数据类型（而非纯文本存储）时，追加转换代码：

  # 日期列转为date类型
  A[f"{col_name}1"] = pd.to_datetime(A[f"{col_name}1"]).dt.date
  # 时间列转为time类型
  A[f"{col_name}2"] = pd.to_datetime(A[col_name]).dt.time
  

• 存在拆分失败的异常空值行时，可执行清洗：A = A.dropna(subset=[f"{col_name}1", f"{col_name}2"])

内容的提问来源于stack exchange，提问作者Pep