我的.csv样子是这样的：
date time
0 20190101 181555700
1 20190101 181545515
其中，格式是YYYYMMDD为date与HHMMSSMMM对time（MMM最后是毫秒）。例如，第一行是2019-01-01 18:15:55.700
有没有一种方法可以直接从其中解析pd.read_csv()而不必稍后进行转换？仅使用parse_dates不起作用，因为它无法识别格式。我想要的是在我的数据框中有一个单独的列，时间戳正确地解析为
timestamp
0 2019-01-01 18:15:55.700
我认为这接近您的需求：
import pandas as pd
import datetime as dt
data = pd.read_csv(
'./a.csv',
delimiter='\t',
index_col=0,
parse_dates=[1],
converters={'time': lambda t: dt.datetime.strptime(t, '%H%M%S%f').time()}
)
输出：
date time
0 2019-01-01 18:15:55.700000
1 2019-01-01 18:15:45.515000
经过一些调查，我发现：
data = pd.read_csv(
'./a.csv',
delimiter='\t',
index_col=1,
parse_dates={'datetime': [1, 2]},
converters={'time': lambda t: dt.datetime.strptime(t, '%H%M%S%f').time()}
)
输出为：
datetime
0 2019-01-01 18:15:55.700
1 2019-01-01 18:15:45.515
本文收集自互联网，转载请注明来源。
如有侵权，请联系 [email protected] 删除。
我来说两句