Pandas的read_excel无法正确解析日期 - 返回一个固定的日期

Question

我已经读取了一个 .xlsb 文件，并使用下面的代码解析了日期列：

dateparser = lambda x: pd.to_datetime(x)

data = pd.read_excel(r"test.xlsb", engine="pyxlsb",
                 parse_dates=["start_date","end_date"],
                 date_parser=dateparser
                 )

我的.xlsb文件中的输入列格式为 DD/MM/YYYY （例如：26/01/2008）。通过上述代码的输出，我得到了例如1970-01-01 00:00:00.000038840。只有最后5位数字发生变化。

如果我在不解析日期的情况下读取同一文件，则相同的列是float64类型，并且仅包含先前输出的最后5位数字（例如，38840.0）。

我认为这是与日期编码本身有关的问题。是否有人知道如何解决此问题？

- Roberto

Answer 1

我不确定你是否已经解决了这个问题。但是，以下是我如何解决它的方法:

from pyxlsb import convert_date

self.data: pd.DataFrame = pd.read_excel(self.file, sheet_name=self.sheet, engine='pyxlsb', header=0)
self.data["test"] = self.data.apply(lambda x: convert_date(x.SomeStupidDate), axis=1)

更多详细信息可以在这里找到：https://pypi.org/project/pyxlsb/，通过使用ctrl+F查找"convert_date"。

- WannaBeAProgrammer

---

很遗憾pyxlsb是这样运作的。我经常遇到这样的情况，我事先不知道表格中的某一列应该是日期格式，而pyxlsb将其读取为浮点数意味着必须依赖于列名实际上包含“date”或其他标识符。其他Excel引擎没有这个问题。 - bsplosion