excel日期变成数字是因为其底层存储为自1899-12-30起的浮点天数（如44562.0对应2022-01-01），pandas默认不自动识别该格式；需用parse_dates显式指定列，并配合date_parser、converters或pd.to_datetime()按excel序列或字符串格式正确解析，否则易误判为数值或文本。

为什么Excel日期会变成数字？ Pandas读取Excel时，openpyxl或xlsxwriter底层引擎会把Excel里存储的日期（本质是自1900-01-01起的浮点天数）原样转成数字，比如44562.0对应2022-01-01。这不是bug，是Excel日期序列格式的固有行为，但Pandas默认不主动识别列类型为日期。

关键在于：Pandas不会自动扫描整列去判断“这看起来像日期”，尤其当单元格混合了空值、文本、数字时，dtype直接 fallback 成 float64 或 object。

图片转Excel

从图片中提取表格数据并生成Excel文件。当用户提供截图、照片或扫描件中的表格数据，要求转成Excel/xlsx时触发。支持多张图片批量提取，自动识别列结构，数值类型自动识别（Excel可直接计算）。触发词：图片转Excel、截图转表格、图片提取数据、图片转xlsx、image to xlsx、screenshot to spreadsheet。

下载

用 parse_dates 强制指定列并控制格式 最直接有效的方式是在 pd.read_excel() 中显式声明哪些列应作为日期处理，并用 date_parser 或 converters 控制解析逻辑：

• 如果列名已知（如 "order_date"），优先用 parse_dates=["order_date"] —— Pandas会调用内置日期解析器，对常见格式（如 "2023/03/15"、"15-Mar-2023"）基本能自动识别
• 若列中混有数字型日期（如 44562.0），必须配合 date_parser 参数：

  pd.read_excel("data.xlsx", parse_dates=["date_col"], date_parser=lambda x: pd.to_datetime(x, origin="1899-12-30", unit="D"))

  注意 Excel 的 1900 日期系统起点是 "1899-12-30"（不是1900-01-01），因为Excel错误地把1900年当作闰年
• 若只想转换某几行或需容错（如跳过非法值），改用 converters：

  pd.read_excel("data.xlsx", converters={"date_col": lambda x: pd.to_datetime(x, errors="coerce")})

  errors="coerce" 把无法解析的转为 NaT，避免报错中断

读取后修复：用 pd.to_datetime() 补救 如果已经读进来了，且日期列是 float64（如 44562.0），不能直接传给 pd.to_datetime() —— 它会误以为是 Unix 时间戳（毫秒级）。

正确做法分两步：

• 先确认是否为 Excel 序列数字：检查数值是否在 36500–70000 区间（大致覆盖1900–2100年），再用 origin="1899-12-30" + unit="D"
• 示例：

  df["date_col"] = pd.to_datetime(df["date_col"], origin="1899-12-30", unit="D", errors="coerce")

• 如果列是 object 类型且含字符串和数字混合（如 "2023-01-01" 和 44562.0），先统一转成字符串再解析：

  df["date_col"] = pd.to_datetime(df["date_col"].astype(str), errors="coerce")

  但注意这会丢失 Excel 数字日期的精度（如带时间的 44562.5 对应中午12点）

避免后续出错：设置 dtype 和保存时保留格式 读取阶段没处理好，写回Excel时可能又退化成数字——因为 to_excel() 默认不保留 datetime 的显示格式。

• 写入前确保列 dtype 是 datetime64[ns]，而不是 object；可用 df.dtypes 检查
• 保存时加参数：

  df.to_excel("out.xlsx", date_format="YYYY-MM-DD", datetime_format="YYYY-MM-DD HH:MM:SS")

  否则 Excel 打开仍显示为数字
• 如果原始Excel用了自定义日期格式（如 “2023年3月”），read_excel() 无法还原该样式，只能靠 date_format 控制输出样式

Excel日期解析的坑不在语法多难，而在“什么时候该用 origin、什么时候不该用”“errors="coerce" 和 errors="raise" 的取舍”“写回时格式丢失却查不出错”——这些细节不试几次根本记不住。

Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！