如何在Pandas中将DataFrame整列的Excel日期数字转为日期格式

针对你50万+行的数据集，绝对不要用循环或apply，因为效率极低。以下是两种高效的矢量化解决方案：

方法1：用Pandas原生pd.to_datetime直接转换 #

利用Excel日期的本质是「从1899-12-30开始的天数」这一特性，直接指定origin和unit参数实现批量转换：

import pandas as pd

# 批量转换整列，自动处理50万+行
ddf['nwdob_l1'] = pd.to_datetime(ddf['dob_l1'], unit='D', origin='1899-12-30')

如果需要处理无效值（比如非数字的单元格），可以加上errors='coerce'将其转为NaT（Pandas的缺失日期标记）：

ddf['nwdob_l1'] = pd.to_datetime(ddf['dob_l1'], unit='D', origin='1899-12-30', errors='coerce')

方法2：用时间增量叠加实现 #

通过Pandas的时间戳对象加上天数增量，同样是矢量化操作，效率拉满：

import pandas as pd

base_date = pd.Timestamp('1899-12-30')
ddf['nwdob_l1'] = base_date + pd.to_timedelta(ddf['dob_l1'], unit='D')

为什么你之前的代码出错？ #

你用format='%d%m%y'是把数字当成字符串格式的日期来解析，比如12150会被拆解为日=12、月=15、年=00，最终得到错误的2050-01-12。但这些数字本质是Excel的日期序列号，需要按「天数增量」来转换，而非字符串格式。

验证你的例子 #

对于值12150，两种方法都会计算出1933-04-06，和你预期的结果完全一致。

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