python excel 读取 日期 日变成数字 加.0

在Python中使用pandas库读取Excel文件时，日期格式的数据可能会被当做浮点数处理，而且在显示时会出现小数点和0的情况。

这是由于Excel中的日期被保存为序列号，在Python中读取时会以浮点数的形式展示。为了将日期正确地显示为日期格式，我们可以使用pandas中的to_datetime()函数。

首先，我们需要导入pandas库并读取Excel文件：

import pandas as pd

# 读取Excel文件
data = pd.read_excel('文件路径.xlsx')

接下来，我们可以使用to_datetime()函数将日期列转换为日期格式：

# 将日期列转换为日期格式
data['日期列'] = pd.to_datetime(data['日期列'], format='%Y-%m-%d')

在上述代码中，将"日期列"替换为你在Excel中存储日期的列的名称。format='%Y-%m-%d'是日期的格式，根据你的实际情况进行调整。

通过上述代码，我们将日期列成功地转换为日期格式，而不再显示小数点和0。

最后，如果你想将修改后的数据保存到新的Excel文件中，可以使用to_excel()函数：

# 将修改后的数据保存到新的Excel文件
data.to_excel('新文件路径.xlsx', index=False)

将"新文件路径"替换为你想要保存的新文件的路径和名称。

通过以上的处理，我们可以成功解决Python中读取Excel日期日变成数字加.0的问题。

相关问题

python 读取excel数据后自动加上.0

在使用Python读取Excel文件时，有时会出现自动在数字后面添加.0的情况。这是因为Excel中的数字被存储为浮点数，而Python读取Excel文件时将其解释为浮点数格式。

要避免这种情况，可以使用`openpyxl`库中的`cell.number_format`属性来判断单元格中的数据是否为数值类型，并根据需要进行转换。以下是一个示例代码：

import openpyxl

# 打开Excel文件
workbook = openpyxl.load_workbook('example.xlsx')

# 获取第一个工作表
worksheet = workbook.active

# 遍历所有单元格
for row in worksheet.iter_rows(values_only=True):
    for cell in row:
        # 判断单元格中的数据是否为数值类型
        if isinstance(cell, (int, float)):
            # 如果是数值类型，则转换为整数或浮点数格式
            if cell.is_integer():
                cell = int(cell)
            else:
                cell = float(cell)
        print(cell)

在上面的代码中，我们首先使用`openpyxl`库的`load_workbook()`函数打开Excel文件，并使用`active`属性获取第一个工作表。然后，我们使用`iter_rows()`函数遍历所有单元格，并使用`values_only=True`参数获取单元格的值。接下来，我们使用`isinstance()`函数判断单元格中的数据是否为数值类型。如果是数值类型，则使用`is_integer()`函数判断是否为整数，如果是整数，则使用`int()`函数进行转换，否则使用`float()`函数进行转换。最后，我们打印转换后的数据。

注意，这种方法仅适用于使用`openpyxl`库读取Excel文件的情况，如果使用其他库进行读取，则需要相应修改代码。

python pandas 读取Excel 时间变成数字

在读取Excel文件时，如果时间列的格式不是Python所支持的日期时间格式，那么Pandas会将其解析为数字。为了将这些数字转换回日期时间格式，你可以使用Pandas的`to_datetime`函数。以下是具体步骤：

1. 读取Excel文件，将数据存储在一个DataFrame中：

import pandas as pd

df = pd.read_excel('data.xlsx')

2. 使用`to_datetime`函数将时间列转换为日期时间格式：

df['time'] = pd.to_datetime(df['time'], unit='s')  # 如果是Unix时间戳
# 或者
df['time'] = pd.to_datetime(df['time'], format='%Y-%m-%d %H:%M:%S')  # 如果是字符串格式

在上面的代码中，`to_datetime`函数的第一个参数是时间列的数据，第二个参数是时间的格式或单位（如果是Unix时间戳）。在本例中，我们使用的是Unix时间戳，因此我们使用`unit='s'`指定单位为秒。

3. 现在，时间列已经被转换为日期时间格式，可以使用Pandas的日期时间函数对其进行操作：

df['hour'] = df['time'].dt.hour  # 获取小时数
df['weekday'] = df['time'].dt.weekday_name  # 获取星期几

以上是将Excel中的时间列转换为日期时间格式并使用Pandas的日期时间函数操作的基本步骤。你可以根据自己的需要进行调整和扩展。