Polars read_excel读取Excel日期年份截断致混淆问题求助

DevOps 小满

2026-8-1

解决Polars读取Excel日期时两位数年份混淆问题

问题核心

使用Polars的read_excel读取Excel时，"mm-dd-yy"格式的日期字符串会被默认解析为20xx年（比如'01-01-50'被识别为2050年1月1日），导致1950年和2050年的日期无法区分。

解决方案

方案一：读取后转换日期，指定两位数年份阈值

先将日期列读取为字符串，再用str.to_date方法解析，通过year2000参数设置年份映射规则——让50及以上的两位数年份对应19xx，00-49对应20xx：

import polars as pl

# 读取时将目标日期列设为字符串类型
df = pl.read_excel('file_name.xlsx', dtype={'你的日期列名': str})

# 转换为日期格式，设置year2000参数指定阈值
df = df.with_columns(
    pl.col('你的日期列名').str.to_date(format="%m-%d-%y", year2000=1950).alias('修正后的日期')
)

print(df)

方案二：手动解析日期（灵活处理混合格式）

如果Excel中存在多种日期格式，可通过openpyxl先读取数据，自定义函数处理年份：

import polars as pl
from openpyxl import load_workbook
from datetime import datetime

# 加载Excel文件
wb = load_workbook('file_name.xlsx', data_only=True)
ws = wb.active

# 自定义日期解析函数：将2050及以上的年份减100转为19xx
def fix_date(cell_value):
    if isinstance(cell_value, datetime):
        return cell_value
    elif isinstance(cell_value, str):
        dt = datetime.strptime(cell_value, "%m-%d-%y")
        if dt.year >= 2050:
            return dt.replace(year=dt.year - 100)
        return dt
    return cell_value

# 读取并处理所有行
headers = [cell.value for cell in ws[1]]
processed_rows = []
for row in ws.iter_rows(min_row=2, values_only=True):
    processed_rows.append([fix_date(cell) for cell in row])

# 转为Polars DataFrame
df = pl.DataFrame(processed_rows, schema=headers)
print(df)