使用Pandas将Excel数据导入MongoDB时日期列存为数字而非ISODate的问题

你遇到的核心问题其实是：虽然你把Excel里的日期转成了pandas的datetime类型，但最后通过df.T.to_json()转成JSON时，datetime又被自动序列化为毫秒级时间戳数字，导致MongoDB里存的不是预期的ISODate格式。我来帮你调整代码，直接让日期以ISODate类型存入MongoDB：

优化后的代码方案 #

import pandas as pd
from pymongo import MongoClient

# 读取Excel，直接让pandas自动解析日期列（如果格式标准的话）
df = pd.read_excel(excel_file, sheet_name=0, index_col=None, parse_dates=['Date'])

# 可选：验证Date列是否为datetime类型
print(df['Date'].dtype)

# 关键步骤：直接将DataFrame转为字典列表，保留datetime对象
records = df.to_dict('records')

# 连接MongoDB并插入数据（根据你的实际连接配置调整）
client = MongoClient()
db = client.local
evbal = db.test.insert_many(records)
print(f"成功插入{len(evbal.inserted_ids)}条数据")

为什么原来的代码会出问题？ #

• 你之前用df.T.to_json()时，pandas默认会把datetime类型转成毫秒级Unix时间戳（就是你看到的1519862400000这类数字），再经过json.loads转成字典后，日期就变成了纯数字，MongoDB自然无法识别为ISODate。
• 而用df.to_dict('records')会直接保留pandas的datetime对象，pymongo（MongoDB的Python驱动）会自动把Python的datetime对象转换为MongoDB的ISODate类型，完美匹配需求。

特殊日期格式的兼容处理 #

如果你的Excel日期列格式比较特殊，pandas自动解析失败，可以保留你原来的格式转换步骤，只要最后用df.to_dict('records')转成字典列表就行：

# 针对特殊日期格式的处理示例
df = pd.read_excel(excel_file, sheet_name=0, index_col=None, converters={'Date': str})
df['Date'] = pd.to_datetime(df['Date'], format="%Y-%m-%d %H:%M:%S")  # 按你的实际日期格式调整
records = df.to_dict('records')  # 这一步是核心，保留datetime对象

这样插入到MongoDB后，你的Date字段就会是标准的ISODate类型，比如ISODate("2018-03-01T00:00:00Z")，而不是数字啦。

内容的提问来源于stack exchange，提问作者venkatesh