如何将包含 Excel 序列日期和常规日期的列转换为 pandas 日期时间？

Question

我有一个数据框，其中的生日具有与 Excel 序列日期混合的常规日期，如下所示：

09/01/2020 12:00:00 AM

05/15/1985 12:00:00 AM

06/07/2013 12:00:00 AM

33233

26299

29428

我尝试了此答案中的解决方案，所有 Excel 串行格式的日期都被清空，同时保留正常日期格式的日期。

这是我的代码：

import pandas as pd

import xlrd

import numpy as np

from numpy import *

from numpy.core import *

import os

import datetime

from datetime import datetime, timedelta

import glob

def from_excel_ordinal(ordinal, _epoch0=datetime(1899, 12, 31)):

    if ordinal >= 60:

        ordinal -= 1  # Excel leap year bug, 1900 is not a leap year!

    return (_epoch0 + timedelta(days=ordinal)).replace(microsecond=0)

path = 'C:\\Input'

os.chdir(path)

filelist = glob.glob('*BLAH*.xlsx')  

filename = os.fsdecode(filelist[0])

df = pd.read_excel(filename, sheet_name = 'Blah Blah') 

m = df['Birthday'].astype(str).str.isdigit()

df.loc[m, 'Birthday'] = df.loc[m, 'Birthday'].astype(int).apply(from_excel_ordinal)

df['Birthday'] = pd.to_datetime(df['Birthday'], errors = 'coerce')

我不确定我在哪里出了问题，因为代码不应该像现在这样清空生日。

Answer 1

无法以相同的方式解析所有日期加载数据框如果尚未将该dates列转换为 a，则将其转换为 a。str使用布尔索引选择不同的日期类型假设常规日期包含/假设 Excel 序列日期不包含/根据日期时间类型分别修复每个数据帧将数据帧重新连接在一起。import pandas as pdfrom datetime import datetime# load datadf = pd.DataFrame({'dates': ['09/01/2020', '05/15/1985', '06/07/2013', '33233', '26299', '29428']})# display(df)        dates0  09/01/20201  05/15/19852  06/07/20133       332334       262995       29428# set the column type as a str if it isn't alreadydf.dates = df.dates.astype('str')# create a date mask based on the string containing a /date_mask = df.dates.str.contains('/')# split the dates out for exceldf_excel = df[~date_mask].copy()# split the regular dates outdf_reg = df[date_mask].copy()# convert reg dates to datetimedf_reg.dates = pd.to_datetime(df_reg.dates)# convert excel dates to datetime; the column needs to be cast as intsdf_excel.dates = pd.TimedeltaIndex(df_excel.dates.astype(int), unit='d') + datetime(1900, 1, 1)# combine the dataframesdf = pd.concat([df_reg, df_excel])显示(df)       dates0 2020-09-011 1985-05-152 2013-06-073 1990-12-284 1972-01-035 1980-07-28

Answer 2

pd.TimedeltaIndex(dates_in_excel_serial_format, 单位='d') + pd.datetime(1900,1,1)演示：> dates_in_excel_serial_format = [29428]> pd.TimedeltaIndex(dates_in_excel_serial_format, unit='d') + pd.datetime(1900,1,1)< DatetimeIndex(['1980-07-28'], dtype='datetime64[ns]', freq=None)