在Python中导入csv时如何防止毫秒舍入

Question

以csv为单位的原始时间以字符串形式显示如下

19-01-2 9:00:01.000

19-01-2 9:00:01.500

19-01-2 9:00:02.000

19-01-2 9:00:02.500

19-01-2 9:00:03.000

19-01-2 9:00:03.500

当我使用pd.read_csv时，我注意到毫秒被舍入，并且没有保持500毫秒的增量。

19-01-2 9:00:01.000

19-01-2 9:00:01.000

19-01-2 9:00:02.000

19-01-2 9:00:02.000

19-01-2 9:00:03.000

19-01-2 9:00:03.000

我如何防止这种情况发生？这是正常的吗？

Answer 1

看起来，至少在Pandas0.25中，只要您使用datetime64ns数据类型，即使是纳秒也会被保留。

我做了这样一个测试：

1. 输入字符串：

txt =‘日期，数量2020-01-02 09:00:01.000200001,1 2020-01-02 09:00:01.200030002,2 2020-01-02 09:00:01.250004003,3'''

• Read the DataFrame：

df = pd.read_csv(io.StringIO(txt)，parse_dates=)

结果是：

日期数量02020-01-02 09:00:01.000200001 1 1 2020-01-02 09:00:01.200030002 2 2020-01-02 09:00:01.250004003 3

如您所见，小数点后的所有9位数字都已就位。

• 打印微秒数：

df.Date.dt.microsecond

结果是：

0 200 1 200030 2 250004名称:日期，dtype: int64

• 打印纳秒：

df.Date.dt.nanosecond

结果是：

0 1 1 2 2 3名称:日期，数据类型: int64

也许你使用的是一些老版本的Python或Pandas？尝试升级它们，并在您的计算机上重复我的测试。