pandas读Excel时时间列常为字符串，需用pd.to_datetime()转换；分组取最早/最晚打卡应先排序再取iloc[0]/iloc[-1]；加班计算须扣除午休且区分工作日/节假日；写回Excel用openpyxl保留格式。

用 pandas 读取打卡 Excel 表格时，时间列常被识别为字符串

很多考勤系统导出的 Excel 文件里，打卡时间看起来像 "09:00:23" 或 "2024/03/15 08:59"，但 pandas.read_excel() 默认不会自动转成 datetime 类型。直接算时长会报错或结果为 NaT。

• 先检查列类型：df['打卡时间'].dtype，如果是 object，大概率是字符串
• 用 pd.to_datetime(df['打卡时间'], errors='coerce') 强制转换，errors='coerce' 能把无法解析的值转为 NaT，避免中断
• 如果时间分散在两列（如“日期”+“时间”），合并后再转：pd.to_datetime(df['日期'].astype(str) + ' ' + df['时间'].astype(str))

按员工和日期分组后，怎么取最早打卡和最晚打卡？

不能直接用 min() 和 max() 对原始时间列暴力聚合——万一某人当天有 5 次打卡（比如中间外出又返岗），min/max 会误判为上下班时间。得先过滤、再取值。

• 按 ['员工姓名', '日期'] 分组后，对每组时间列排序：group.sort_values('打卡时间')
• 取第一行当上班时间：group.iloc[0]['打卡时间']，最后一行当下班时间：group.iloc[-1]['打卡时间']
• 更稳妥的做法是限定打卡类型（如有“上班打卡”“下班打卡”标记列），优先匹配标记，再 fallback 到极值

计算加班时长要避开午休、且需区分工作日/节假日

硬编码“18:00 后算加班”会出问题：有人 17:30 下班，有人 20:00 加班，但中间可能有 1.5 小时午休，直接用下班减上班会虚高。

macOS UI 自动化技能包 —— 用 Python 控制你的 Mac

让 macOS 自动化像说话一样简单 —— 用代码控制你的 Mac，无需学习 AppleScript 系统要求 macOS 14+ (Sonoma) Python 3.9+ 需要开启：辅助功能 + 屏幕录制权限

下载

• 定义标准工作时段，例如工作日为 '09:00'–'18:00'，午休 '12:00'–'13:30'；节假日则按公司排班表或国家法定假日列表判断
• 用 datetime.time 提取时间部分做逻辑判断，别用字符串比较（'9:30' > '18:00' 会错）
• 加班 = max(0, 实际下班时间 − 标准下班时间) − 午休重叠部分，建议封装成函数，传入单条记录的上下班时间、日期、是否节假日

openpyxl 写回 Excel 时，原有格式（如边框、颜色）会丢失

很多人想把统计结果（如每人每日加班小时数）写回原表的新增列，但 pandas.DataFrame.to_excel() 默认不保留格式，openpyxl 可以，但操作稍复杂。

• 用 openpyxl.load_workbook() 打开原文件，获取 worksheet
• 不要用 df.to_excel() 覆盖整个 sheet；而是遍历结果数据，用 ws.cell(row=..., column=...).value = ... 写入指定列
• 写完记得调用 wb.save()，否则无效果；且该操作不能在文件被 Excel 程序打开时进行（会 PermissionError）

实际跑通的关键在于：时间字段清洗必须放在第一步，且所有时间运算都基于 datetime64[ns]；分组聚合前确认是否已按时间排序；节假日判断别依赖人工维护的字典，最好对接企业 OA 的 API 或用 chinese_calendar 库。这些点漏掉一个，加班时长就容易多算或少算一两个小时。

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！