Python 熊猫数据帧-to_json（）to_csv（）don'；对于iso格式的日期，不应采取相同的措施

我用iso格式从API中获取日期

当我在做：

df = DataFrame(results)
df.to_csv(path_or_buf=file_name, index=False, encoding='utf-8',
          compression='gzip',
          quoting=QUOTE_NONNUMERIC)

我看一下我看到的CSV，例如：

lastDeliveryDate
2018-11-21 16:25:53.990000-05:00

但是,

当我这样做时：

df = DataFrame(results)
df.to_json(path_or_buf=file_name, orient="records",compression='gzip', lines=True)

我明白了（其他记录）：

这是一个问题

当我将数据从CSV加载到Google BigQuery时，一切都很好。正确解析了日期

但是当我将加载更改为Json时。它无法正确解析日期

我看到了这种格式的日期：

50866-01-09 23:46:40 UTC

这是因为

to_json（）

和

to_csv（）

对

iso\u格式的日期产生不同的结果

我怎样才能解决这个问题？我必须编辑数据框并将所有日期列转换为常规UTC吗？我该怎么做？为什么需要
到_json（）
而不需要
到_csv（）

正如在上所解释的，我们尝试做：

df["lastDeliveryDate"] = dateutil.parser.parse(df["lastDeliveryDate"])  

但它给出了：

TypeError：解析器必须是字符串或字符流，而不是序列

基本上，
dateutil.parser.parse（）需要一个字符串作为参数，但是您传递了整个列。尝试使用lambda函数：

df["lastDeliveryDate"] = df["lastDeliveryDate"].apply( lambda row: dateutil.parser.parse(row))

基本上，
dateutil.parser.parse（）需要一个字符串作为参数，但是您传递了整个列。尝试使用lambda函数：

df["lastDeliveryDate"] = df["lastDeliveryDate"].apply( lambda row: dateutil.parser.parse(row))

从：

日期格式：{None，'epoch'，'iso'}

日期转换的类型。”历元'=历元毫秒，'iso'=ISO8601。默认值取决于方向。对于
orient='table'
，默认值为“iso”。对于所有其他方向，默认值为“历元”

因此，使用
orient=“records”
，您必须设置
date\u format=“iso”
，以获得稍后可以理解的日期时间格式：

df.to_json(path_or_buf=file_name, orient="records", date_format="iso", 
           compression='gzip', lines=True)

从：

日期格式：{None，'epoch'，'iso'}

日期转换的类型。”历元'=历元毫秒，'iso'=ISO8601。默认值取决于方向。对于
orient='table'
，默认值为“iso”。对于所有其他方向，默认值为“历元”

因此，使用
orient=“records”
，您必须设置
date\u format=“iso”
，以获得稍后可以理解的日期时间格式：

df.to_json(path_or_buf=file_name, orient="records", date_format="iso", 
           compression='gzip', lines=True)