如何用Pandas将CSV日期字符串转为DateTime并存入数据库？

嘿，这事儿好办！要把CSV里的日期字符串转成Pandas的DateTime对象（满足数据库的类型要求），有两种实用的方法，我给你一步步说清楚：

方法一：读取CSV时直接解析日期（高效首选） #

这种方法最省心，Pandas在读取文件的同时就完成了转换，不用额外处理：

# 导入CSV文件时直接指定要解析的日期列
df = pd.read_csv(
    filename,
    error_bad_lines=False,
    warn_bad_lines=False,
    parse_dates=['time']  # 替换成你实际的日期列名；如果列没有名字，用索引比如[0]
)

• 如果你的日期列是CSV里的第一列且没有列名，把parse_dates=['time']改成parse_dates=[0]就行。
• 解析完成后，你可以用df['time'].dtype检查类型，应该显示datetime64[ns]，这就是数据库需要的DateTime类型啦。

方法二：读取后单独转换日期列 #

如果已经读取了CSV才想起转换，用pd.to_datetime()也很方便：

# 先导入CSV文件
df = pd.read_csv(filename, error_bad_lines=False, warn_bad_lines=False)

# 将指定列转换为DateTime对象
df['time'] = pd.to_datetime(df['time'], errors='coerce')

• errors='coerce'是个很实用的参数：如果遇到格式不对的日期字符串，会把它转成NaT（Not a Time），不会让整个转换失败，之后你可以用df.dropna(subset=['time'])删掉无效行，或者填充合理值。
• 如果你的日期格式不是默认能识别的（比如非YYYY-MM-DD HH:MM:SS），可以加format参数指定格式，比如：

  df['time'] = pd.to_datetime(df['time'], format='%Y-%m-%d %H:%M:%S', errors='coerce')
  

  这样解析速度更快，也能避免格式识别错误。

额外：转换后存入数据库的示例 #

转换完成后，用Pandas的to_sql方法就能轻松把数据存入数据库，比如用SQLAlchemy连接：

from sqlalchemy import create_engine

# 替换成你的数据库连接字符串，比如MySQL、PostgreSQL等
engine = create_engine('mysql+pymysql://user:password@host/db_name')

# 把数据写入数据库表，if_exists可选append/replace/fail
df.to_sql('your_table_name', engine, if_exists='append', index=False)

• index=False是避免把Pandas的索引列也存入数据库，根据你的需求调整就行。

内容的提问来源于stack exchange，提问作者nrvaller