如何用Pandas直接处理显示为DD/MM但含完整日期的CSV文件？

完全可以用Pandas直接处理，无需转成XLSX格式，以下分两种常见场景给出解决方案：

场景1：CSV中的日期是Excel日期序列号（显示为DD/MM） #

如果你的CSV是从Excel导出的，日期列实际存储的是Excel日期数值（比如45387对应2024/03/28），只是Excel将其格式化为DD/MM显示，可直接解析为完整日期：

import pandas as pd

# 读取CSV，注意分隔符是分号（匹配你的示例数据）
df = pd.read_csv('your_file.csv', sep=';')

# 将第一列转换为datetime，使用Excel的1900日期基准
df.iloc[:, 0] = pd.to_datetime(df.iloc[:, 0], unit='D', origin='1899-12-30')

# 可选：将日期格式化为DD/MM/YYYY的字符串形式
df.iloc[:, 0] = df.iloc[:, 0].dt.strftime('%d/%m/%Y')

场景2：CSV中的日期是DD/MM字符串，需补充已知年份 #

如果CSV里的日期确实是DD/MM字符串，但你清楚每个日期对应的年份（可从文件元数据、其他列或上下文获取），可以拼接年份后转换为完整日期：

import pandas as pd

df = pd.read_csv('your_file.csv', sep=';')

# 拼接年份（这里以2024为例，若年份不固定可根据逻辑动态赋值）
df.iloc[:, 0] = pd.to_datetime(df.iloc[:, 0] + '/2024', format='%d/%m/%Y')

# 可选：格式化为需要的字符串形式
df.iloc[:, 0] = df.iloc[:, 0].dt.strftime('%d/%m/%Y')

验证步骤 #

读取后可先查看原始数据，确认日期列的实际类型：

print(df.iloc[:, 0].head())

如果输出是数值，说明是Excel日期序列号，用场景1处理；如果是DD/MM字符串，用场景2补充年份即可。

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