### Python 中读取和保存 Excel 文件时日期格式变化的原因 在使用 `pandas` 或其他库操作 Excel 文件的过程中，可能会遇到日期格式的变化问题。这种现象通常源于以下几个原因： #### 1. **Excel 和 Pandas 的日期存储方式** - 在 Excel 中，日期本质上是以浮点数的形式存储的，表示自 1900 年 1 月 1 日以来的天数[^2]。 - 当通过 `pandas.read_excel()` 方法加载数据时，默认情况下会尝试将这些数值解释为时间戳对象 (`datetime64`)。然而，在某些场景下，Pandas 可能无法完全识别原始格式，从而导致显示上的差异。 #### 2. **默认的时间格式化行为** - 使用 `to_excel()` 函数导出 DataFrame 到新的 Excel 文件时，如果列中的值被标记为 datetime 类型，则会被自动转换成标准 ISO 时间字符串形式 (即 YYYY-MM-DD HH:mm:ss)[^1]。 - 如果目标单元格未设置特定样式或者模板预定义不匹配的话，最终呈现出来的可能是系统本地化的替代表达——比如由连字符分隔转为了斜杠分割模式。 #### 解决方案概述 针对上述提到的各种情况可以采取如下措施来维持原有的日期展示风格: - #### 转换前调整 预先设定好哪些字段应该作为纯文本而非真正的日期类型处理; 这样即使内部仍采用序列号记录也不会轻易改变外观. - #### 自定义输出配置 导出阶段明确指定每列表现形式参数, 如利用 engine='openpyxl' 结合 additional options 来控制具体表现细节. 以下是具体的实现代码示例: ```python import pandas as pd # 设置日期列为字符串类型以防止自动解析 df = pd.read_excel('input.xlsx', parse_dates=False) # 替换单元格内的日期串使其符合预期格式 def format_date(cell_value): try: date_obj = pd.to_datetime(str(cell_value), errors='coerce') if not pd.isna(date_obj): return date_obj.strftime('%Y-%m-%d') # 修改此处为你想要保持的一致格式 else: return cell_value except ValueError: return cell_value for col in df.columns: df[col] = df[col].apply(format_date) # 输出至新文件并确保日期按原样写出 with pd.ExcelWriter("output.xlsx", engine="openpyxl") as writer: df.to_excel(writer, index=False) ``` 此脚本首先阻止了初始导入期间任何潜在的数据类型推断活动；接着遍历整个表格内容逐一修正可能存在问题的部分直至满足条件为止最后再安全地存盘回去。 ### 注意事项 尽管上面的方法能够有效缓解大部分常见状况下的困扰但仍需注意实际应用环境可能存在特殊约束因此建议测试验证后再推广运用。