### 解决 Python pandas 读取 Excel 日期列显示为数值或常数形式的问题 在使用 Pandas 读取 Excel 文件时，如果日期列以数值形式显示（例如 `42909.646157`），可以通过以下方法将其转换为标准的日期格式。 #### 方法一：使用 `pd.read_excel` 的 `parse_dates` 参数 Pandas 提供了 `parse_dates` 参数，可以直接将指定列解析为日期格式。示例代码如下： ```python import pandas as pd # 使用 parse_dates 参数直接解析日期列 df = pd.read_excel('example.xlsx', parse_dates=[0]) # 假设日期列在第 0 列 print(df) ``` 此方法适用于日期列已经被正确识别为数值的情况[^1]。 --- #### 方法二：手动转换数值为日期格式 如果日期列未被正确识别为数值，或者需要对已有数据进行转换，可以使用 `xlrd` 库中的 `xldate_as_tuple` 函数将 Excel 的日期数值转换为标准日期格式。以下是具体实现： ```python import pandas as pd from xlrd import xldate_as_tuple from datetime import datetime # 读取 Excel 文件 df = pd.read_excel('example.xlsx') # 定义转换函数 def convert_to_date(x): if pd.notnull(x): # 检查是否为空值 return datetime(*xldate_as_tuple(x, 0)) # 转换为日期格式 return None # 对日期列应用转换函数 df['日期列'] = df['日期列'].apply(convert_to_date) # 假设日期列名为 '日期列' print(df) ``` 此方法利用了 `xlrd` 库的 `xldate_as_tuple` 函数，能够将 Excel 中的日期数值转换为 Python 的 `datetime` 对象。 --- #### 方法三：处理已读取的数据中的日期列 如果数据已经读取到 Pandas DataFrame 中，并且日期列是以数值形式存储的，可以使用 Pandas 的 `pd.to_datetime` 函数进行转换。以下是示例代码： ```python import pandas as pd # 示例数据 data = {'日期列': [43739.0, 43740.0, 43741.0]} df = pd.DataFrame(data) # 将数值转换为日期格式 df['日期列'] = pd.to_datetime(df['日期列'], unit='D', origin='1899-12-30') print(df) ``` 在此方法中，`pd.to_datetime` 函数通过指定 `unit='D'` 和 `origin='1899-12-30'` 来将 Excel 的日期数值转换为标准日期格式[^4]。 --- #### 注意事项 1. **Excel 日期基准**：Excel 的日期基准为 `1899-12-30`，因此在转换时需要明确这一点。 2. **空值处理**：在转换过程中，需注意数据中可能存在的空值，避免引发错误。 3. **性能优化**：对于大规模数据集，建议优先使用 Pandas 内置的 `parse_dates` 参数或 `pd.to_datetime` 方法，以提高效率。 ---