如何通过Python API将Pandas日期时间值传入Smartsheet新行

问题复现步骤 #

• 读取CSV数据到Pandas DataFrame，空值填充为空字符串：

data_frame = pd.read_csv(EXCEL_FILE)
data_frame = data_frame.fillna('')

• CSV中Created字段原始格式为3/17/2022 10:59:00 AM，读入后显示为3/17/2022 10:59，尝试转换为ISO格式字符串：

data_frame['Created'] = pd.to_datetime(data_frame['Created']).dt.strftime("%Y-%m-%dT%H:00:00Z")

转换后得到值类似2022-03-17T10:00:00Z。

• 循环构造Smartsheet行批量写入：

data_dict = data_frame.to_dict('index')
rowsToAdd = []
for i, i in data_dict.items():
    new_row = smartsheet_client.models.Row()
    new_row.to_top = True
    for k, v in i.items():
        new_cell = smartsheet_client.models.Cell()
        new_cell.column_id = column_map[k]
        new_cell.object_value = v
        new_row.cells.append(new_cell)
        rowsToAdd.append(new_row)
        result = smartsheet_client.Sheets.add_rows(SHEET_TO_MODIFY, rowsToAdd)

异常表现 #

• 写入后日期单元格显示为原始ISO字符串2022-03-17T10:00:00Z，使用公式=TODAY() - [Created Date]@row返回#INVALID OPERATION错误。
• 尝试转换为%Y-%m-%d格式字符串写入，公式依然报错。
• 手动传入字典格式单元格、指定strict=False和美式日期字符串时写入正常，但会增加循环逻辑复杂度：

new_row.cells.append({'column_id':7150106886596484,'value':"6/7/2022",'strict':False})

• 已确认目标列为日期类型，原有日期值可正常参与计算；开启列“仅允许输入日期值”限制时脚本直接抛错，新写入单元格旁显示蓝色日历图标，但本质无法参与日期计算。
• 硬编码ISO日期字符串、转换列类型为string、转数组写入、新建空白日期列测试均无法解决问题。

临时解决方案 #

写入完成后，手动将目标日期列类型从「日期」改为「文本/数字」，再改回「日期」，所有日期会被自动解析为正确格式，公式可正常计算，但需要额外手动操作。

1. 代码逻辑错误：原代码存在两个低级问题：一是循环变量重名（内外层都用i做变量名）；二是缩进错误，rowsToAdd.append(new_row)和接口调用add_rows写在了单元格遍历的内层循环中，会导致每填充一个单元格就提交一次请求，造成行重复、数据残缺。
2. 数据类型不匹配：Smartsheet Python SDK的object_value参数接收日期类型值时，需要传入原生Python datetime对象，如果传入字符串——哪怕是符合ISO格式的日期字符串——SDK也不会自动做类型解析，会直接以文本格式存储到单元格中。这也是单元格显示日期图标、但无法参与日期公式计算的核心原因。手动切换列类型时Smartsheet会强制批量解析文本为日期，所以临时方案能生效。
3. 参数认知偏差：SDK不是不支持value参数，而是用模型类实例化Cell对象时默认校验属性名，直接传字典格式的单元格配置时，value+strict=False的写法可以正常生效。

无需拆分现有循环逻辑，按以下步骤修改即可：

1. 修正循环结构：修复变量重名问题，将行追加、批量提交的逻辑移到内层循环外，整行单元格填充完成后再加入待提交列表，所有行构造完成后统一调用接口提交，减少请求次数、避免重复行。
2. 日期列禁止转字符串：pd.to_datetime转换后保留Timestamp类型，写入时转为Python原生datetime对象传给object_value，SDK会自动识别为Smartsheet日期类型，无需手动格式化为ISO或其他格式字符串。
3. 若需使用字符串日期自动解析能力，仅需在循环内增加列判断：日期列传入字典格式单元格配置，通过value传日期字符串、strict=False关闭类型严格校验，其余列保持原有赋值逻辑即可，不会增加过多代码复杂度。

修改后的可运行代码示例：

import pandas as pd

# 读取数据，日期列转datetime后禁止转字符串
data_frame = pd.read_csv(EXCEL_FILE)
data_frame = data_frame.fillna('')
# 转换Created列为datetime类型，保留Timestamp，不要调用strftime
data_frame['Created'] = pd.to_datetime(data_frame['Created'])

data_dict = data_frame.to_dict('index')
rowsToAdd = []
# 修复循环变量重名问题
for idx, row_data in data_dict.items():
    new_row = smartsheet_client.models.Row()
    new_row.to_top = True
    for col_name, val in row_data.items():
        # 日期列转python原生datetime对象
        if col_name == 'Created':
            val = val.to_pydatetime()
        new_cell = smartsheet_client.models.Cell()
        new_cell.column_id = column_map[col_name]
        new_cell.object_value = val
        new_row.cells.append(new_cell)
    # 整行填充完成后再加入待提交列表，移至内层循环外
    rowsToAdd.append(new_row)

# 所有行构造完成后统一提交，移至循环外
result = smartsheet_client.Sheets.add_rows(SHEET_TO_MODIFY, rowsToAdd)

如果倾向于用strict=False的自动解析逻辑，可替换单元格构造部分的代码：

for col_name, val in row_data.items():
    if col_name == 'Created':
        # 日期列传字典配置，开启自动解析
        new_cell = {
            'column_id': column_map[col_name],
            'value': val.strftime("%m/%d/%Y"), # 支持ISO、美式日期等多种格式
            'strict': False
        }
    else:
        new_cell = smartsheet_client.models.Cell()
        new_cell.column_id = column_map[col_name]
        new_cell.object_value = val
    new_row.cells.append(new_cell)

内容的提问来源于stack exchange，提问作者jzinna