pandas读取excel的日期列，结果显示是数字

当你使用pandas读取Excel文件时，如果日期列是以文本形式存储的，它可能会被错误地解析为数值。这通常是由于默认的日期解析设置导致的。解决这个问题的方法是使用`pd.to_datetime()`函数来明确指定日期格式。

**解决方案**[^1]:
1. 导入pandas库：

   import pandas as pd

2. 读取Excel文件并保留日期列的原始格式：

   data = pd.read_excel("test.xlsx", header=1, parse_dates=['日期（手动输入）'])

这里假设日期列名为"日期（手动输入）"。`parse_dates`参数告诉pandas尝试识别这一列作为日期。

3. 如果读取后日期仍显示为数字，你可以创建一个辅助函数来转换这些数字回日期格式：

   def date_handler(para):
       if isinstance(para, float) or isinstance(para, int):  # 检查是否为数值类型
           try:
               dt = pd.to_datetime(str(int(para)), errors='coerce')  # 将数值转换回datetime
               return dt
           except ValueError:
               pass  # 处理无法转换的情况
       return para  # 如果已经是正确的日期格式，则直接返回

   data['日期（手动输入）'] = data['日期（手动输入）'].apply(date_handler)

通过这种方式，pandas会试图将数值转换回日期，如果无法转换则保持原样。如果你看到的是空值NaN，`errors='coerce'`选项会将它们转换为NaT（Not a Time）。