如何用Python/Pandas从空格分隔.dat文件提取日期时间

没问题，我来帮你搞定这个日期时间合并的事儿！既然已经成功导入并分隔了.dat文件，那把前6列（年、月、日、时、分、秒）转成datetime格式其实很简单，这里给你两种实用的方法：

方法1：直接用pd.to_datetime处理列组合 #

这是最简洁的方式，pandas的pd.to_datetime()可以直接接收包含日期时间各分量的DataFrame切片，自动帮你合并成datetime类型：

# 假设你的DataFrame名为df，前6列有明确的列名（比如year, month, day, hour, minute, second）
df['datetime'] = pd.to_datetime(df[['year', 'month', 'day', 'hour', 'minute', 'second']])

# 如果导入后列名是默认的数字索引（0到5），就用iloc切片
df['datetime'] = pd.to_datetime(df.iloc[:, :6])

这种方法会自动识别各分量的含义，不需要手动拼接字符串，非常省心。

方法2：先拼接字符串再转datetime（适合格式特殊的情况） #

如果你的某些列格式不太规范（比如月份是1位数字、或者是字符串类型），可以先把各列拼接成标准的日期时间字符串，再转成datetime类型：

# 把各列转成字符串，并用str.zfill(2)保证两位数（比如1变成01）
df['datetime_str'] = (
    df['year'].astype(str) + '-'
    + df['month'].astype(str).str.zfill(2) + '-'
    + df['day'].astype(str).str.zfill(2) + ' '
    + df['hour'].astype(str).str.zfill(2) + ':'
    + df['minute'].astype(str).str.zfill(2) + ':'
    + df['second'].astype(str).str.zfill(2)
)

# 把字符串转成datetime类型
df['datetime'] = pd.to_datetime(df['datetime_str'])

# 不需要中间字符串列的话可以删掉
df = df.drop('datetime_str', axis=1)

一些额外的小提示 #

• 确保前6列的数值是有效的日期时间分量（比如月份在1-12之间，日期在对应月份的范围内），否则pd.to_datetime()会抛出错误，你可以加errors='coerce'参数把无效值转成NaT（缺失的时间值）：

  df['datetime'] = pd.to_datetime(df.iloc[:, :6], errors='coerce')
  

• 如果后续要做时间序列分析，可以把新生成的datetime列设为DataFrame的索引：

  df = df.set_index('datetime')
  

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