CSV文件日期列拆分：如何将YYYY-MM-DD格式拆分为年、月、日列？

嘿，这个需求太常见了！我来给你分享几个不同工具下的实现方法，你可以根据自己的使用场景来选：

如果你用的是表格工具，有两种简单的方式：

方法1：用日期函数提取 #

假设你的「Date」列在A列，想在B、C、D列分别生成年、月、日：

• 在B2单元格输入公式：=YEAR(A2)，按回车后下拉填充整列，就能得到所有年份
• 在C2单元格输入公式：=MONTH(A2)，下拉填充得到月份
• 在D2单元格输入公式：=DAY(A2)，下拉填充得到日期

方法2：数据分列（直接拆分文本） #

因为你的日期格式是固定的YYYY-MM-DD，用分列功能更高效：

1. 选中整个「Date」列
2. 点击顶部菜单栏的「数据」→「分列」
3. 第一步选择「分隔符号」，点击下一步
4. 勾选「其他」，输入-作为分隔符，点击下一步
5. 可以给每一列设置数据格式（比如选「常规」或「数值」），最后点击完成，就能直接拆成三列

如果是用代码处理CSV，Pandas是最方便的选择：

首先先读取你的CSV文件：

import pandas as pd
df = pd.read_csv('你的文件名.csv')

方法1：直接拆分文本列 #

如果「Date」列是字符串类型，直接按-拆分：

# 拆分后生成三列，直接添加到DataFrame里
df[['YEAR', 'MONTH', 'DAY']] = df['Date'].str.split('-', expand=True)
# 如果需要把这三列转成整数类型（默认是字符串）
df[['YEAR', 'MONTH', 'DAY']] = df[['YEAR', 'MONTH', 'DAY']].astype(int)

方法2：用日期处理函数（更严谨） #

先把「Date」列转成日期类型，再提取年、月、日，这样能避免一些格式不规范的问题：

# 把字符串列转成日期类型
df['Date'] = pd.to_datetime(df['Date'])
# 分别提取年、月、日
df['YEAR'] = df['Date'].dt.year
df['MONTH'] = df['Date'].dt.month
df['DAY'] = df['Date'].dt.day

如果你的CSV已经导入到数据库里（比如MySQL、PostgreSQL），可以用内置的日期函数提取：

查询时提取 #

以MySQL为例，假设表名是your_table，日期列是date_col：

SELECT
  YEAR(date_col) AS YEAR,
  MONTH(date_col) AS MONTH,
  DAY(date_col) AS DAY,
  -- 这里加上你需要的其他列
FROM your_table;

新增列并填充数据 #

如果想直接在表中新增三列并填充数据：

-- 先新增三个整数类型的列
ALTER TABLE your_table ADD COLUMN YEAR INT, ADD COLUMN MONTH INT, ADD COLUMN DAY INT;
-- 填充数据
UPDATE your_table
SET
  YEAR = YEAR(date_col),
  MONTH = MONTH(date_col),
  DAY = DAY(date_col);

这些方法应该能覆盖大多数场景啦，要是你用的是其他工具，随时说，我再补充对应的方案～

内容的提问来源于stack exchange，提问作者steve