使用 python 中 pandas 的 read_excel 函数将日期保留为字符串

Question

Python 2.7.10
尝试过 pandas 0.17.1 -- 函数 read_excel
尝试过 pyexcel 0.1.7 + pyexcel-xlsx 0.0。 7 -- 函数 get_records()

在 Python 中使用 pandas 时，可以读取 excel 文件（格式：xls、xlsx）并保留包含 date 或 date + time 的列strong> 值作为 字符串 而不是 自动转换 到 datetime.datetime 或 timestamp 类型？

如果使用 pandas 无法做到这一点，有人可以建议一种替代方法/库来读取 xls、xlsx 文件并将日期列值保留为字符串吗？

对于 pandas 解决方案尝试 df.info() 和生成的日期列类型如下所示：

>>> df.info()
<class 'pandas.core.frame.DataFrame'>
Int64Index: 117 entries, 0 to 116
Columns: 176 entries, Mine to Index
dtypes: datetime64[ns](2), float64(145), int64(26), object(3)
memory usage: 161.8+ KB
>>> type(df['Start Date'][0])
Out[6]: pandas.tslib.Timestamp
>>> type(df['End Date'][0])
Out[7]: pandas.tslib.Timestamp

尝试/方法 1：

def read_as_dataframe(filename, ext):
   import pandas as pd
   if ext in ('xls', 'xlsx'):
      # problem: date columns auto converted to datetime.datetime or timestamp!
      df = pd.read_excel(filename) # unwanted - date columns converted!

   return df, name, ext

尝试/方法 2：

import pandas as pd
# import datetime as datetime
# parse_date = lambda x: datetime.strptime(x, '%Y%m%d %H')
parse_date = lambda x: x
elif ext in ('xls', 'xlsx', ):
    df = pd.read_excel(filename, parse_dates=False)
    date_cols = [df.columns.get_loc(c) for c in df.columns if c in ('Start Date', 'End Date')]
    # problem: date columns auto converted to datetime.datetime or timestamp!
    df = pd.read_excel(filename, parse_dates=date_cols, date_parser=parse_date)

并且也尝试过 pyexcel 库，但它执行相同的自动魔术转换行为：

尝试/方法 3：

import pyexcel as pe
import pyexcel.ext.xls
import pyexcel.ext.xlsx

t0 = time.time()
if ext == 'xlsx':
    records = pe.get_records(file_name=filename)
    for record in records:
        print("start date = %s (type=%s), end date = %s (type=%s)" %
              (record['Start Date'],
               str(type(record['Start Date'])),
               record['End Date'],
               str(type(record['End Date'])))
              )

Answer 1

• 在 pandas.read_excel 中使用转换器{'Date': str} 选项会有所帮助。 pandas.read_excel(xlsx, sheet, converters={'Date': str})
• 您可以尝试将时间戳转换回原始格式
  df['Date'][0].strftime('%Y/%m/%d')

Answer 2

我遇到了同样的问题，除了 pandas 奇怪地只将 一些 单元格转换为日期时间。我最终手动将每个单元格转换为这样的字符串：

def undate(x):
    if pd.isnull(x):
        return x
    try:
        return x.strftime('%d/%m/%Y')
    except AttributeError:
        return x
    except Exception:
        raise

for i in list_of_possible_date_columns:
    df[i] = df[i].apply(undate)

Answer 3

我尝试了saving the file in a CSV UTF-8 format（手动）并使用了pd.read_csv()并且工作正常。

我尝试了很多方法来用read_excel 解决同样的问题。没有为我工作。所以，我猜read_excel 可能正在更新您无法控制的日期时间对象中的字符串。

Answer 4

我在从 Excel 中提取日期时遇到了同样的问题。我的列有 MM/DD/YYYY 格式，但是在 Pyhton 中读取它并转换为 CSV 格式然后转换为 MM/DD/YYYY 00:00:00 . 幸运的是想出了一个解决方案。使用

excel = pd.read_excel(file, dtype=object)

而不是

excel = pd.read_excel(file, dtype=str)

工作。

我不知道为什么，希望有经验的 python 程序员解释一下。