如何在Excel/R中将非UNIX格式的时间戳转换为日期时间？

你的时间格式是12位的YYYYMMDDHHMM纯数字，直接改单元格格式无效是因为Excel把它识别为数值而非日期字符串，以下是几种快速转换的方案：

Excel 解决方案 #

1. 公式转换（适合小数据量） #

• 生成文本格式的标准时间：在空白单元格输入公式

  =TEXT(A1,"0000-00-00 00:00")
  

  下拉填充后，就能得到2009-01-01 00:00这类格式的文本，再选中列设置单元格格式为「日期时间」即可。
• 生成可计算的日期时间值（推荐，方便后续时间序列分析）：

  =DATEVALUE(LEFT(A1,8)) + TIMEVALUE(MID(A1,9,4))
  

  • LEFT(A1,8)提取前8位YYYYMMDD，DATEVALUE将其转为Excel日期值
  • MID(A1,9,4)提取后4位HHMM，TIMEVALUE转为时间值
  • 两者相加得到完整的日期时间数值，可直接用于图表或时间序列计算

2. Power Query 批量转换（适合大数据量） #

如果数据行数较多，用Power Query效率更高：

• 选中时间列，点击「数据」选项卡→「从表格/区域」（会将数据导入Power Query编辑器）
• 选中时间列，点击「转换」选项卡→「数据类型」→「日期/时间」，大部分情况能自动识别转换
• 若自动识别失败，添加自定义列，输入公式：

  #datetime(Number.FromText(Text.Start([你的列名],4)),Number.FromText(Text.Middle([你的列名],4,2)),Number.FromText(Text.Middle([你的列名],6,2)),Number.FromText(Text.Middle([你的列名],8,2)),Number.FromText(Text.End([你的列名],2)),0)
  

• 删除原时间列，点击「关闭并上载」，转换后的日期时间就会导入Excel表格

Python 批量转换（适合大数据集或自动化处理） #

用pandas可以快速处理大量数据：

import pandas as pd

# 读取数据集，假设时间列名为'time_col'
df = pd.read_csv("你的数据集路径.csv")

# 将12位时间字符串转为标准datetime格式
df["standard_datetime"] = pd.to_datetime(df["time_col"], format="%Y%m%d%H%M")

# 可选：将转换后的时间设为索引，方便时间序列分析
df.set_index("standard_datetime", inplace=True)

# 保存处理后的数据集
df.to_csv("处理后的数据集.csv")

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