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 AM05/15/1985 12:00:00 AM06/07/2013 12:00:00 AM332332629929428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 pdimport xlrdimport numpy as npfrom numpy import *from numpy.core import *import osimport datetimefrom datetime import datetime, timedeltaimport globdef 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 pd

from datetime import datetime

# load data

df = pd.DataFrame({'dates': ['09/01/2020', '05/15/1985', '06/07/2013', '33233', '26299', '29428']})

# display(df)

        dates

0  09/01/2020

1  05/15/1985

2  06/07/2013

3       33233

4       26299

5       29428

# set the column type as a str if it isn't already

df.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 excel

df_excel = df[~date_mask].copy()

# split the regular dates out

df_reg = df[date_mask].copy()

# convert reg dates to datetime

df_reg.dates = pd.to_datetime(df_reg.dates)

# convert excel dates to datetime; the column needs to be cast as ints

df_excel.dates = pd.TimedeltaIndex(df_excel.dates.astype(int), unit='d') + datetime(1900, 1, 1)

# combine the dataframes

df = pd.concat([df_reg, df_excel])

显示(df)

       dates

0 2020-09-01

1 1985-05-15

2 2013-06-07

3 1990-12-28

4 1972-01-03

5 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)