Python读取XLSX文件时如何保留原始日期格式？

需要读取.xlsx格式Excel文件中的日期列，保留与Excel显示完全一致的%d/%m/%Y格式字符串，禁止使用strftime修改格式，后续需导出回Excel并验证原始格式。原始列数据如下：

Date Of Birth
09/01/1990
18/02/1976
08/04/1983
10/02/1973
03/03/1987
02/11/1977
25/05/1992

已尝试的无效方法 #

尝试1：指定dtype为字符串 #

import pandas as pd
df=pd.read_excel('file.xlsx',sheet_name='sheet', dtype= {'Date_Of_Birth': str})

结果自动追加了时间后缀，不符合要求：

Date Of Birth
09/01/1990 00:00:00
18/02/1976 00:00:00
08/04/1983 00:00:00
10/02/1973 00:00:00
03/03/1987 00:00:00
02/11/1977 00:00:00
25/05/1992 00:00:00

尝试2：结合parse_dates与dtype参数 #

import pandas as pd
df_ = pd.read_excel('file.xlsx',sheet_name='sheet',
                   parse_dates=['Date_Of_Birth'], dtype={'Date_Of_Birth': object})

结果被转换为ISO标准日期格式，丢失原始显示格式：

Date Of Birth
1990-01-09
1976-02-18
1983-04-08
1973-02-10
1987-03-03

可行解决方案 #

核心原因 #

Excel中的日期本质是浮点数值，dd/mm/yyyy是单元格的格式设置。pandas默认读取的是底层数值并转换为datetime对象，因此无法直接获取显示格式的字符串。必须直接读取单元格的显示文本。

方案1：使用openpyxl直接读取显示文本 #

这是最直接的方式，直接提取Excel单元格显示的字符串：

from openpyxl import load_workbook
import pandas as pd

# 加载工作簿和工作表
wb = load_workbook('file.xlsx')
ws = wb['sheet']

# 提取日期列数据（跳过表头行）
date_data = []
# 遍历第2行及以后的行，读取第一列（假设日期列是第一列）
for row in ws.iter_rows(min_row=2, max_col=1, values_only=False):
    date_cell = row[0]
    date_data.append(date_cell.text)

# 转换为DataFrame（如需pandas处理）
df = pd.DataFrame({'Date Of Birth': date_data})

执行后得到的Date Of Birth列完全匹配Excel的显示格式，无额外后缀或格式转换。

方案2：pandas配合openpyxl引擎自定义转换 #

如果需要保留pandas的读取流程，可通过converters参数自定义读取逻辑：

import pandas as pd
from openpyxl import load_workbook

wb = load_workbook('file.xlsx')
ws = wb['sheet']

# 定位日期列的索引（根据表头匹配）
date_col_idx = None
for col_num, cell in enumerate(ws[1], 1):
    if cell.value == 'Date Of Birth':
        date_col_idx = col_num
        break

# 自定义转换器：读取对应单元格的显示文本
def read_display_text(row_num):
    return ws.cell(row=row_num, column=date_col_idx).text

# 读取Excel，指定转换器
df = pd.read_excel('file.xlsx', sheet_name='sheet', engine='openpyxl',
                   converters={date_col_idx: lambda x: read_display_text(ws._current_row)})

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