Python用parse_dates解决Pandas读取Excel日期乱码

本文深入剖析了Pandas读取Excel日期时常见的“数字乱码”陷阱，明确指出parse_dates参数对Excel原生数值型日期（即序列号）完全无效，并揭示其根本原因——Excel将日期存储为从1899-12-30起算的浮点数，而parse_dates仅能解析文本型日期字符串；文章给出两种可靠解决方案：一是读取后用pd.to_datetime(df['col'], unit='D', origin='1899-12-30')精准还原日期（强调origin必须设为1899-12-30，否则因Excel闰年bug导致2天偏移），二是改用openpyxl引擎自动识别原生日期格式；同时警示混合数据类型（如数字+空值+文本）会直接导致日期解析失败，并提供converters预处理、类型清洗等实战技巧，帮你彻底避开“明明Excel显示正常、Pandas却读成一串数字”的坑。

parse_dates参数根本不会修复Excel里显示为数字的日期

Excel底层把日期存成从1900年1月1日开始的浮点数（比如44562.0代表2022-01-01），Pandas用read_excel()读取时默认按数值处理，parse_dates只对**文本型日期字符串**（如"2022-01-01"、"01/01/2022"）起作用。如果单元格在Excel里显示正常但读进来是数字，parse_dates加了也白加。

实操建议：

• 先检查原始数据：df.dtypes看对应列是不是float64或int64，如果是，说明Pandas根本没识别出这是日期
• 不要依赖parse_dates，改用date_parser参数配合xlrd或openpyxl引擎（推荐后者）
• 更稳妥的做法是：读取后用pd.to_datetime()转换，传入unit='D'和origin='1899-12-30'来还原Excel序列号

用pd.to_datetime处理Excel序列号必须指定origin和unit

Excel日期序列号的起点是1900-01-01，但有个著名bug：它错误地把1900年当作闰年，所以实际计算要从1899-12-30开始算起。不指定origin会导致所有日期偏移2天。

示例：

df['date_col'] = pd.to_datetime(df['date_col'], unit='D', origin='1899-12-30')

常见错误：

• 漏写unit='D' → 报OutOfBoundsDatetime错误
• 用origin='1900-01-01' → 2022-01-01会变成2021-12-30
• 列里混有空值或非数字 → 先用pd.to_numeric(..., errors='coerce')清洗

openpyxl引擎能自动识别Excel原生日期格式

如果你的Excel文件是.xlsx且日期列在Excel里确实是“日期格式”（不是靠单元格样式伪装的），换用engine='openpyxl'比默认的xlrd（已停止维护）更可靠。

实操建议：

• 安装：pip install openpyxl
• 读取时显式指定：pd.read_excel('file.xlsx', engine='openpyxl')
• 此时parse_dates才可能生效——但前提是Excel里该列真被设为日期格式，而不是靠自定义格式显示成日期的文本
• 验证方法：在Excel里右键单元格→“设置单元格格式”，看“分类”是否为“日期”

混合类型列（含空、文本、数字）会让parse_dates直接失效

哪怕一列里99%是Excel日期数字，只要混了一个"N/A"或空字符串，parse_dates就会放弃整列转为object类型，后续pd.to_datetime()也会报错。

解决路径：

• 先用dtype=object读入，再逐行判断：pd.api.types.is_number(x)筛出数字，其余设为NaT
• 或者用converters参数预处理：converters={'date_col': lambda x: pd.to_datetime(x, errors='coerce') if isinstance(x, (int, float)) else pd.NaT}
• 避免用na_values把"NULL"之类当成空——它不影响类型推断，只是替换值

最麻烦的情况是：同一列里既有44562（Excel序列号），又有"2022-01-01"（字符串）。这时候必须分两路处理，没有银弹函数能全自动识别。

本篇关于《Python用parse_dates解决Pandas读取Excel日期乱码》的介绍就到此结束啦，但是学无止境，想要了解学习更多关于文章的相关知识，请关注golang学习网公众号！