本文共 843 字，大约阅读时间需要 2 分钟。

当Pandas读取Excel文件时，自动识别日期格式可能导致数据超出Python默认范围。要解决这个问题，可以手动指定日期格式或将非日期列转换为字符串类型。

步骤1：手动指定日期格式

使用pd.to_datetime()函数，指定日期格式。例如，如果日期为'YYYY-MM-DD'格式，可以这样做：

import pandas as pd
df['Date'] = pd.to_datetime(df['Date'], format='%Y-%m-%d')

步骤2：将非日期列转换为字符串类型

对于不需要日期转换的列，可以使用astype(str)将其转换为字符串：

df['NonDateColumn'] = df['NonDateColumn'].astype(str)

代码示例

假设Excel文件有两列'A'和'B'，其中'A'是日期，'B'是非日期数据：

import pandas as pd
df = pd.read_excel('yourfile.xlsx')
df['Date'] = pd.to_datetime(df['Date'], format='%Y-%m-%d')
df['NonDateColumn'] = df['NonDateColumn'].astype(str)

测试用例

假设数据为：

Date    NonDateColumn
2023-01-01  1234

import pandas as pd
data = [['Date', 'NonDateColumn'], ['2023-01-01', '1234']]
df = pd.DataFrame(data[1:], columns=data[0])
df['Date'] = pd.to_datetime(df['Date'], format='%Y-%m-%d')
print(df)

应用场景和示例

处理销售数据时，日期超出Python范围。手动指定格式或转换为字符串解决问题。

转载地址：http://fpvfk.baihongyu.com/