如何将Pandas中的日期列正确读取为日期类型？

API 探路者

2026-7-7

问题：无法将DataFrame的Date列转换为datetime类型

我编写了如下代码，可下载电子表格并将工作表加载为DataFrame，但Date列未按预期转换为日期类型：

import requests
import pandas as pd

def get_BH_spreadsheet(URLS, SPREADSHEET_NAME):
    resp = requests.get(URLS)
    output = open(SPREADSHEET_NAME, 'wb')
    output.write(resp.content)
    output.close()
    df_NA_RIG_COUNT = pd.read_excel(open(SPREADSHEET_NAME, 'rb'), sheet_name='US Oil & Gas Split', index_col=None,header = 'infer', skiprows=6)
    df_NA_RIG_COUNT['Date'] = pd.to_datetime(df_NA_RIG_COUNT['Date'] )
    
    return df_NA_RIG_COUNT

示例调用：

get_BH_spreadsheet('https://rigcount.bakerhughes.comstatic-files/027e0bcc-86ec-407b-9029-b5bd3bf1982b', 'North America Rotary Rig Count - Jan 2000 - Current.xlsx')

执行后Date列仍未转为datetime类型，即使单独执行df_NA_RIG_COUNT['Date'] = pd.to_datetime(df_NA_RIG_COUNT['Date'])也无效，该如何解决？

解决方案

试试以下几种方法：

读取Excel时直接解析日期列
无需后续手动转换，直接在pd.read_excel中添加parse_dates=['Date']参数，让pandas在读取阶段自动处理日期：

df_NA_RIG_COUNT = pd.read_excel(
    open(SPREADSHEET_NAME, 'rb'),
    sheet_name='US Oil & Gas Split',
    index_col=None,
    header='infer',
    skiprows=6,
    parse_dates=['Date']  # 新增参数
)

明确指定日期格式，避免自动解析偏差
如果Date列是特殊格式（比如非ISO标准），在pd.to_datetime中用format参数锁定格式，同时用errors='coerce'将无法解析的内容转为NaT方便排查：
```
# 假设日期格式为MM/DD/YYYY，可根据实际情况调整格式字符串
df_NA_RIG_COUNT['Date'] = pd.to_datetime(df_NA_RIG_COUNT['Date'], format='%m/%d/%Y', errors='coerce')
```
检查原始数据是否存在异常
先打印Date列的前几行和数据类型，确认是否有非日期内容（比如空值、备注文字）：
```
print(df_NA_RIG_COUNT['Date'].head())
print(df_NA_RIG_COUNT['Date'].dtype)
```
若存在异常值，先过滤或清洗后再执行日期转换。
处理Excel数值型日期
部分Excel文件会把日期存储为序列号（以1899-12-30为起始点），可通过origin参数指定起始日期来转换：
```
df_NA_RIG_COUNT['Date'] = pd.to_datetime(df_NA_RIG_COUNT['Date'], origin='1899-12-30', errors='coerce')
```

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