将excel序列日期转换为python中的实际日期格式

Question

我有一个数据框，其中有一列称为日期。该列包含两种不同格式的日期：8/05/2022 和 Excel 序列日期 (44882)。我需要将 Excel 序列日期转换为另一种格式，而不影响列中存在的实际日期。我该怎么办？

import pandas as pd
import datetime as dt

def date_serial_number(serial_number: int) -> dt.datetime:
    delta = dt.datetime(1899, 12, 30) + dt.timedelta(days=serial_number)
    return delta

customer_data['date'] = customer_data['invoice_date'].apply(
    lambda x: pd.to_datetime(x, errors='coerce') if isinstance(x, str) else date_serial_number(x)
)

print(customer_data)

它将 44882 转换为 Nat。

Answer 1

当前设置的问题是 pd.to_datetime 函数尝试将invoice_date 列中的所有值更改为日期时间。当它遇到 Excel 序列日期（不是字符串）时，它会失败并返回 NaT。

要解决此问题，您可以使用更精确的方法来查看发票日期列中每个值的类型。如果该值是一个字符串（代表常规日期），它将使用 pd.to_datetime 更改为日期时间。如果该值是整数或小数（代表 Excel 序列日期），它将使用自定义 date_serial_number 函数进行更改。执行此操作的方法如下：

import pandas as pd
import datetime as dt

# Function to convert Excel serial number to datetime
def date_serial_number(serial_number: int) -> dt.datetime:
    # Excel serial dates start from 1899-12-30, not 1900-01-01
    return dt.datetime(1899, 12, 30) + dt.timedelta(days=serial_number)

# Sample data
data = {
    'invoice_date': ['8/05/2022', 44882, '12/01/2021', 44890]
}

# Create DataFrame
customer_data = pd.DataFrame(data)

# Apply conversion
customer_data['invoice_date'] = customer_data['invoice_date'].apply(
    lambda x: pd.to_datetime(x, errors='coerce') if isinstance(x, str) else date_serial_number(x)
)

print(customer_data)

此代码会将 Excel 序列日期转换为正确的日期时间格式，而不更改列中的其他日期。结果看起来有点像这样：

  invoice_date
0   2022-08-05
1   2022-11-01
2   2021-12-01
3   2022-11-09