Python中将pandas DataFrame保存为xlsb格式及时区日期处理问题

现有一个包含5列的DataFrame，其中日期列为Object类型，数据样例如下：

DATE
0   2020-06-01T00:00:00.000Z
1   2021-08-01T00:00:00.000Z
2   2021-06-01T00:00:00.000Z
3   2021-07-01T00:00:00.000Z
4   2021-01-01T00:00:00.000Z

需要将该DataFrame转换为xlsb格式用于后续Excel分析。
此前尝试过移除日期列的时区组件、将日期列转换为YMD格式，但转换完成后日期列仍有时区组件，在R中执行缺失值填充、异常值处理时无法正常提取年、月、日字段，因此打算先将DataFrame导出为xlsb格式再重新导入，以此消除时区组件，也欢迎更优的移除时区、转换YMD格式的方案。

方案1：直接移除日期列时区（更优） #

无需通过导出导入xlsb绕路，直接对日期列做格式转换即可完全消除时区信息，处理后的日期列可直接在Python、R中正常提取年月日字段：

1. 依赖安装（若未安装pandas）：pip install pandas
2. 执行转换代码：

import pandas as pd

# 转换为datetime类型后移除时区信息
df['DATE'] = pd.to_datetime(df['DATE']).dt.tz_localize(None)

# 若需要直接输出为YYYY-MM-DD格式的字符串，可替换为以下代码
# df['DATE'] = pd.to_datetime(df['DATE']).dt.strftime('%Y-%m-%d')

方案2：导出为xlsb格式 #

如果仍需要导出xlsb格式文件，可通过pyxlsb引擎实现：

1. 依赖安装：pip install pandas pyxlsb
2. 执行导出代码：

# index=False表示不导出pandas自带的行索引
df.to_excel('输出文件.xlsb', engine='pyxlsb', index=False)

导出后的xlsb文件重新导入时，日期列会自动识别为无时区的日期格式，可正常进行后续处理。

内容的提问来源于stack exchange，提问作者AMIT BISHT