Python pandas读Excel日期列变浮点数的解决方法与转换代

脚本专家

在用pandas处理Excel报表时，日期列读出来变成44562.0、44601.5这种浮点数，是不少开发都遇到过的坑。Excel单元格明明显示的是2025-03-15，read_excel之后却成了数字，这通常不是pandas的bug，而是Excel底层存储日期的方式导致的。

Excel内部用浮点数表示日期时间：整数部分是从1900年1月1日起累计的天数，小数部分是当天的时间比例。例如44562就代表从基准日往后数44562天，对应2025年3月15日。由于Excel存在著名的1900年闰年bug，实际基准日应为1899年12月30日。单元格里看到的日期只是格式化后的显示效果，底层值始终是浮点数。当pandas读取时没有拿到格式信息，就会直接暴露这些原始数字。

一、用parse_dates参数指定日期列

最直接的方法是在read_excel时告诉pandas哪些列是日期：

2. import pandas as pd
4. df = pd.read_excel(
5.     'sales_report.xlsx',
6.     parse_dates=['order_date', 'delivery_date']
7. )

复制代码

如果列名不确定，也可以用列索引：

2. df = pd.read_excel(
3.     'sales_report.xlsx',
4.     parse_dates=[2, 5]  # 第3列和第6列是日期
5. )

复制代码

这个方法要求Excel里这些列本身是日期格式。如果用户把日期列格式改成“常规”或“文本”，parse_dates就不会生效，读出来仍然是浮点数。比如有人对日期列执行了“清除格式”，格式信息丢失后，pandas只能得到底层数字。

二、浮点数手动转日期

当parse_dates失效，或数据已经读成浮点数时，可以基于Excel日期基准手动转换：

2. from datetime import datetime, timedelta
4. def excel_float_to_date(f):
5.     # Excel基准日期是1899-12-30（因为1900闰年bug）
6.     base = datetime(1899, 12, 30)
7.     return base + timedelta(days=f)
9. print(excel_float_to_date(44562))      # 2025-03-15 00:00:00
10. print(excel_float_to_date(44601.5))    # 2025-03-15 12:00:00（实际是39.5天后）

复制代码

批量转换整列时，要注意列中可能混有浮点数和正常字符串，还可能存在空单元格（NaN）。NaN本身是float类型，所以要先排除空值再做类型判断：

2. df['order_date'] = df['order_date'].apply(
3.     lambda x: datetime(1899, 12, 30) + timedelta(days=x)
4.     if pd.notna(x) and isinstance(x, (int, float))
5.     else x
6. )

复制代码

三、更换Excel读取引擎

pandas读Excel支持xlrd和openpyxl两种引擎。xlrd 2.0之后只支持xls文件，openpyxl只支持xlsx文件。两者对日期格式的识别能力不同。

对于xlsx文件，指定openpyxl引擎往往能更好地保留日期类型：

2. df = pd.read_excel('report.xlsx', engine='openpyxl')

复制代码

但openpyxl读大文件较慢，碰到“yyyy年mm月dd日”这类自定义日期格式时，也可能识别失败。对于xls文件，xlrd是唯一选择，但它也更容易出现日期变浮点数的问题。可以先借助xlrd检测哪些列是日期类型，再把列索引传给parse_dates：

2. import xlrd
4. book = xlrd.open_workbook('old_report.xls')
5. sheet = book.sheet_by_index(0)
7. date_cols = []
8. for col_idx in range(sheet.ncols):
9.     for row_idx in range(min(5, sheet.nrows)):
10.         cell = sheet.cell(row_idx, col_idx)
11.         if cell.ctype == xlrd.XL_CELL_DATE:
12.             date_cols.append(col_idx)
13.             break
15. print('日期列索引:', date_cols)
17. df = pd.read_excel('old_report.xls', parse_dates=date_cols)

复制代码

xlrd.XL_CELL_DATE的值是3，表示单元格类型为日期。这种方法比盲猜parse_dates列名更靠谱。

四、容易踩的边角坑

1. 同一列日期格式不一致。比如前100行是日期格式，后面有人手敲了“3月15日”文本，pandas读出的列类型会变成mixed，parse_dates直接失效。处理方式是在Excel里统一格式，或者读出来后按类型分段处理。

2. 时区问题。Excel日期没有时区概念，转换后的datetime也是naive。跨时区比较时，需要手动设置时区：

2. df['order_date'] = pd.to_datetime(df['order_date']).dt.tz_localize('Asia/Shanghai')

复制代码

3. 时间精度丢失。像44601.5这种小数带半天时间，如果只用.dt.date取日期，时间信息就没了。需要精确到小时时，必须保留小数部分。

4. 不要直接用pd.to_datetime处理Excel浮点数。pd.to_datetime默认把浮点数当Unix时间戳（从1970年开始），与Excel基准完全不同，会差出一百多年：

2. # 错误做法：44562被解释为从1970年起的44562秒
3. pd.to_datetime(44562, unit='s')  # 约等于1970-01-02
5. # 正确做法：先转成Excel基准datetime
6. from datetime import datetime, timedelta
7. base = datetime(1899, 12, 30)
8. df['date'] = df['date'].apply(lambda x: base + timedelta(days=x))

复制代码

五、一套稳妥的最终方案

综合下来，可以设计一个容错性较强的处理流程：xlsx文件先用openpyxl配合parse_dates读取，检查日期列是否解析成功；失败时手动转换；xls文件先用xlrd检测日期列索引；最后统一用pd.to_datetime做一轮格式清洗，把残留的字符串日期都转掉。

2. import pandas as pd
3. from datetime import datetime, timedelta
5. def excel_float_to_date(f):
6.     base = datetime(1899, 12, 30)
7.     return base + timedelta(days=float(f))
9. def clean_date_column(col):
10.     """统一处理日期列中的混合类型"""
11.     result = []
12.     for val in col:
13.         if pd.isna(val):
14.             result.append(pd.NaT)
15.         elif isinstance(val, (int, float)):
16.             result.append(excel_float_to_date(val))
17.         else:
18.             result.append(pd.to_datetime(val, errors='coerce'))
19.     return pd.Series(result)
21. df = pd.read_excel('sales_report.xlsx', engine='openpyxl', parse_dates=['order_date'])
23. if df['order_date'].dtype != 'datetime64[ns]':
24.     df['order_date'] = clean_date_column(df['order_date'])

复制代码

这套流程在实际处理几十个报表时没有再出现日期问题。多写几行代码，但能省下后续反复清洗数据的时间。

六、总结

Excel把格式和值分开存储，跨工具读取时格式信息一旦丢失，pandas就只能返回原始浮点数。这不是代码逻辑错误，而是源文件格式不可靠。遇到日期列全是浮点数，parse_dates不行就手动转换，转换时注意NaN和混合类型，基本都能解决。如果自己生成Excel，从一开始就把日期列设为明确的日期格式，避免使用“常规”或“文本”，这样后续任何人读取都不会再踩坑。

热心网友7

干货很足，感谢楼主总结。我也遇到过这个坑，尤其是别人发来的Excel里日期格式五花八门，parse_dates有时候确实不灵，最后还是手动按基准日+timedelta转换最稳。楼主提到xlrd 2.0之后不支持xlsx这点很关键，之前就吃过这个亏。另外同一列混文本和数字的情况确实头疼，我现在一般读进来先看dtype，再决定处理路线。

热心网友7

楼主总结得很全面，尤其是Excel底层日期是浮点数这个点，很多人第一次遇到都会懵。我之前也踩过类似的坑，比如同一列里既有日期又有文本，parse_dates直接失效，后来改成在read_excel里用converters参数指定列转换函数，反而更可控。另外关于时间精度丢失，如果只想要日期，可以用.dt.floor('D')或者保留原样，关键还是搞清楚数据里到底有没有带时间部分。感谢分享，手动转基准日期那个函数我直接收藏了。

热心网友7

感谢分享！这确实是pandas读Excel很经典的坑，尤其是“单元格显示日期，读出来变成浮点数”那段，很多人第一次遇到都会懵。你前面讲基准日期和1900闰年bug的部分很清晰，手动转换的逻辑也验证过没问题。 我也补充一点小经验：如果是在公司里用，经常有人会把日期列里混进“3月15日”这类文本，确实像你说的，parse_dates直接失效，最后还得靠分段处理。另外openpyxl读大文件慢的问题感同身受，我一般会先转成csv再读，虽然少部分格式信息会丢，但速度提升明显。 话说你最后那套“稳妥的最终方案”好像没贴完？期待更新，想看看容错流程具体是怎么设计的。