Python：CSV日期列从月/日/年转为时间戳的最优Pythonic写法

嘿，这个需求用pandas来实现简直是绝配——既符合Pythonic的精简风格，又能直接完成原地修改，几行代码就能搞定！我给你两个方案，优先推荐第一个：

pandas处理CSV和日期转换天生擅长，代码非常简洁：

import pandas as pd

# 读取CSV文件
df = pd.read_csv('你的文件名.csv')

# 原地转换目标日期列：字符串 → datetime → 秒级timestamp
df['目标日期列名'] = pd.to_datetime(df['目标日期列名'], format='%m/%d/%Y').astype('int64') // 10**9

# 原地写入覆盖原CSV，不要写入pandas自动生成的索引列
df.to_csv('你的文件名.csv', index=False)

关键细节说明： #

• pd.to_datetime(..., format='%m/%d/%Y')：明确指定原日期格式，让解析更准确高效
• .astype('int64') // 10**9：pandas的datetime转整数是纳秒级时间戳，除以10^9就得到常用的秒级时间戳；如果需要毫秒级，去掉// 10**9即可
• index=False：避免保存时多出一列无意义的索引，完美还原原CSV结构

如果不想额外安装pandas，用Python自带的csv库也能实现，代码稍长但同样清晰：

import csv
from datetime import datetime

file_path = '你的文件名.csv'

# 读取所有数据并转换日期列
with open(file_path, 'r', newline='') as infile:
    reader = csv.DictReader(infile)
    fieldnames = reader.fieldnames  # 保留原列顺序
    processed_rows = []
    for row in reader:
        # 解析日期并转成秒级timestamp
        date_obj = datetime.strptime(row['目标日期列名'], '%m/%d/%Y')
        row['目标日期列名'] = str(int(date_obj.timestamp()))
        processed_rows.append(row)

# 原地写入覆盖原文件
with open(file_path, 'w', newline='') as outfile:
    writer = csv.DictWriter(outfile, fieldnames=fieldnames)
    writer.writeheader()
    writer.writerows(processed_rows)

关键细节说明： #

• 用csv.DictReader按列名操作，不需要关心列的位置，更直观
• datetime.timestamp()直接生成秒级时间戳，转成字符串保证写入CSV后格式正确

这两个方案都能实现你要的“读取后原地完成转换”的需求，优先推荐pandas方案，处理大文件时速度优势更明显～

内容的提问来源于stack exchange，提问作者Ant