如何在Python Pandas中将Excel导入的特殊格式日期列转为datetime类型？

这个问题我之前也碰到过，核心就是Pandas读取Excel时没拿到单元格里存储的完整日期时间值，只读到了Excel显示用的短格式文本。不用改Excel，试试下面这几个方法：

1. 先调调pd.read_excel的参数 #

试试用openpyxl引擎（它对新版xlsx格式支持更好），同时指定要解析的日期列，让Pandas直接读原始值：

import pandas as pd

# 替换成你的文件路径，EventTS是你的日期列名
df = pd.read_excel('你的文件路径.xlsx', engine='openpyxl', parse_dates=['EventTS'])

这个方法大概率能直接解决，因为它会跳过Excel的显示格式，读取单元格里实际存储的完整日期时间。

2. 用openpyxl直接读单元格原始值 #

如果上面的方法不管用，那就绕开Pandas的自动解析，直接用openpyxl库读取每个单元格的真实值：

from openpyxl import load_workbook
import pandas as pd

# 加载你的Excel文件
wb = load_workbook('你的文件路径.xlsx')
ws = wb.active  # 假设数据在第一个工作表里

# 读取EventTS列的数据（假设列在第2列，第1行是表头，从第2行开始是数据）
event_ts_list = []
for row in ws.iter_rows(min_row=2, min_col=2, max_col=2, values_only=True):
    event_ts_list.append(row[0])

# 转成DataFrame再转成datetime类型
df = pd.DataFrame({'EventTS': event_ts_list})
df['EventTS'] = pd.to_datetime(df['EventTS'])

这种方式相当于直接从Excel里把日期时间对象拿出来，完全不受显示格式影响。

3. 从数值转成日期时间（如果列存的是Excel日期数值） #

要是你的Excel日期是以浮点数形式存的（Excel里日期本质是从1899-12-30开始算的天数），可以先读成数值再转换：

import pandas as pd

# 先把列读成浮点数类型
df = pd.read_excel('你的文件路径.xlsx', dtype={'EventTS': float})
# 把浮点数转成datetime格式
df['EventTS'] = pd.to_datetime(df['EventTS'], unit='d', origin='1899-12-30')

4. 手动补全日期（实在没办法的最后一招） #

如果上面的方法都不行，而且你知道所有记录对应的日期（比如你例子里的2019-05-02），那就把短格式的时分秒补成完整日期时间：

import pandas as pd

# 假设所有记录的日期都是2019-05-02，你的短格式是'MM:SS.0'
df['EventTS'] = pd.to_datetime('2019-05-02 ' + df['EventTS'].str.replace('.0', ''), format='%Y-%m-%d %M:%S')
# 如果你的短格式是'HH:MM.0'，就把format改成'%Y-%m-%d %H:%M'

注意哈，这个方法只适合所有记录日期固定的情况，要根据你实际的字符串格式调整format参数。

内容的提问来源于stack exchange，提问作者Maths12