Pandas处理DataFrame日期列：保持date格式与自定义格式问题

一、确保字段始终保持date格式 #

问题核心是Excel没有严格匹配Python date类型的格式，pandas读取Excel时会默认把日期类数据转为datetime64类型。可以通过两种方式处理：

• 方式1：读取后强制转换
  每次读取Excel文件后，重新执行转换代码，保证DataFrame中该字段为Python date对象：

  import pandas as pd
  df = pd.read_excel("your_file.xlsx")
  df["Value date"] = pd.to_datetime(df["Value date"]).dt.date
  

• 方式2：写入时存为字符串（需权衡）
  如果不需要对该字段做日期运算，可以把date对象转为固定格式的字符串后写入，读取后会保持字符串格式：

  df["Value date"] = pd.to_datetime(df["Value date"]).dt.strftime("%d/%m/%Y")
  df.to_excel("your_file.xlsx", index=False)
  

二、指定显示格式为"31/07/2023" #

分两种场景处理：

场景1：保留日期可运算特性 #

用xlsxwriter引擎设置Excel单元格的日期显示格式，既保留日期类型，又按指定格式展示：

1. 先安装依赖：

   pip install xlsxwriter
   

2. 写入时配置格式：

   import pandas as pd
   
   # 保持字段为datetime类型（不要转成date对象，否则无法设置格式）
   df["Value date"] = pd.to_datetime(df["Value date"])
   
   writer = pd.ExcelWriter("your_file.xlsx", engine="xlsxwriter")
   df.to_excel(writer, index=False, sheet_name="Sheet1")
   
   # 创建日期格式
   workbook = writer.book
   worksheet = writer.sheets["Sheet1"]
   date_format = workbook.add_format({"num_format": "dd/mm/yyyy"})
   
   # 应用格式到目标列（假设"Value date"是第2列，索引从0开始为1）
   worksheet.set_column(1, 1, None, date_format)
   
   writer.close()
   

   读取后再执行df["Value date"] = pd.to_datetime(df["Value date"]).dt.date，即可回到Python date对象。

场景2：无需日期运算 #

直接将日期转为指定格式的字符串，写入后Excel显示为31/07/2023：

df["Value date"] = pd.to_datetime(df["Value date"]).dt.strftime("%d/%m/%Y")

内容的提问来源于stack exchange，提问作者user22220347