如何用Python统一SAP导出Excel中混合日期格式至DataFrame

从SAP平台导出的Excel文件中，日期列存在多种混合格式问题：

• 原始导出格式通常为dd/mm/yyyy，偶尔会出现dd.mm.yyyy
• 读取到DataFrame后，该列同时存在datetime对象和字符串格式的日期，具体表现为三种格式：
  • dd/mm/yyyy hh:mm（CSV显示）| dd-mm-yyyy hh:mm（Excel显示）
  • dd/mm/yyyy
  • mm/dd/yyyy hh:mm（CSV显示）| mm-dd-yyyy hh:mm（Excel显示）
• 经分析：1月1日-12日的日期被错误识别为mm/dd/yyyy hh:mm，13日-20日为dd/mm/yyyy，21日-31日为dd/mm/yyyy hh:mm
• 使用pd.to_datetime(df["列名"], dayfirst=True)无法正确识别，导致1月1日-12日的数据丢失

通过统一字符串格式→强制按日优先解析→格式化输出的流程处理，具体代码如下：

import pandas as pd

# 读取Excel时强制按字符串类型加载日期列，避免自动错误解析
excel_data = pd.read_excel(
    "Reportes/Crudos/Reporte SAP.xlsx", 
    header=1, 
    dtype={"Asiento contable (Fecha de contabilización)": str}
)

date_col = "Asiento contable (Fecha de contabilización)"

# 步骤1：统一分隔符，把点分隔的日期转换成斜杠分隔
excel_data[date_col] = excel_data[date_col].str.replace(".", "/", regex=False)

# 步骤2：解析混合格式的日期，强制日在前的解析逻辑
# Pandas 2.0+版本用format="mixed"自动匹配多种格式
excel_data[date_col] = pd.to_datetime(
    excel_data[date_col],
    dayfirst=True,
    format="mixed",
    errors="coerce"  # 可选：无法解析的值转为NaT，后续可单独处理
)

# 步骤3：统一格式化为dd/mm/yyyy字符串
excel_data[date_col] = excel_data[date_col].dt.strftime("%d/%m/%Y")

# 验证处理结果
print(excel_data[date_col].unique())

# 保存处理后的文件
excel_data.to_csv("Reportes/Crudos/processed_report.csv", index=False)
excel_data.to_excel("Reportes/Crudos/processed_report.xlsx", index=False)

低版本Pandas兼容方案（<2.0） #

如果你的Pandas版本低于2.0，没有format="mixed"参数，可手动指定所有可能的格式：

excel_data[date_col] = pd.to_datetime(
    excel_data[date_col],
    dayfirst=True,
    formats=["%d/%m/%Y %H:%M", "%d/%m/%Y", "%m/%d/%Y %H:%M"],
    errors="coerce"
)

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