快速日期时间转换：行情数据的日期与时间格式转换需求

嘿，这个行情数据格式转换的需求用Python的pandas就能轻松搞定，我给你整理好了具体的实现步骤和代码：

我们需要完成三个关键操作：

• 将DATE列的数字格式（如20180312）转换为带横杠的标准日期格式（2018-03-12）
• 将TIME_M列的时分秒字符串（如9:30:00.052465558）转换为当日累计秒数（如34200.052466）
• 筛选并重新排列需要的列：保留DATE、EX、BID、ASK、time，剔除不需要的SYM_ROOT、SYM_SUFFIX等列

首先确保你已经安装了pandas库，然后运行以下代码：

import pandas as pd

# 1. 加载原始数据（如果是从CSV文件读取，替换成 df = pd.read_csv('your_data_file.csv') 即可）
raw_data = {
    'DATE': [20180312, 20180312, 20180312, 20180312, 20180312],
    'TIME_M': ['9:30:00.052465558', '9:30:00.207724531', '9:30:00.208090941', '9:30:00.208116618', '9:30:00.208691471'],
    'EX': ['V', 'B', 'K', 'Z', 'V'],
    'BID': [41.67, 41.66, 40.80, 41.62, 40.76],
    'ASK': [43.77, 43.61, 44.76, 43.83, 43.77],
    'SYM_ROOT': ['TRIP']*5,
    'SYM_SUFFIX': [None]*5
}
df = pd.DataFrame(raw_data)

# 2. 转换DATE列格式
df['DATE'] = pd.to_datetime(df['DATE'], format='%Y%m%d').dt.strftime('%Y-%m-%d')

# 3. 转换TIME_M为当日累计秒数（保留6位小数）
df['time'] = pd.to_timedelta(df['TIME_M']).dt.total_seconds().round(6)

# 4. 筛选并重新排列目标列，保留原始索引
result_df = df[['DATE', 'EX', 'BID', 'ASK', 'time']].reset_index(drop=False)

# 查看转换后的结果
print(result_df)

• DATE列处理：用pd.to_datetime指定格式%Y%m%d将数字转为日期对象，再通过dt.strftime输出成YYYY-MM-DD的字符串格式
• TIME_M列处理：用pd.to_timedelta将时间字符串转为时间差对象，dt.total_seconds()计算出当日累计的秒数，最后round(6)保证小数位数和示例一致
• 列筛选：直接选取需要的列，并用reset_index(drop=False)保留原始的行索引（即示例中的0、1、2...序列）

运行后得到的结果完全符合你需要的格式！

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