Python Pandas 从使用第 3 部分 API 自动生成的 Excel 文件中读取不一致的日期格式

我正在使用 PDF4me API 将 PDF 发票转换为 Excel 文件。 API 可以正确读取日期。但是，当我打开 Excel 文件时，日期显示不一致：

1. 某些日期以正确的格式 (dd/mm/yyyy) 显示，而其他日期以错误的 mm/dd/yyyy 格式显示。当该月的某天小于或等于 12 时，似乎会出现这种不一致。

2. 尽管格式不正确的日期最初显示为 dd/mm/yyyy，但当我单击单元格时，它们会恢复为 mm/dd/yyyy .

3. 如果我将 Excel 文件转换为 CSV，所有日期均以正确的 dd/mm/yyyy 格式显示。 期望的行为：

4. 我希望 Excel 文件中的所有日期格式一致为 dd/mm/yyyy，无论该月的哪一天是否小于或等于 12。这也应该与 Pandas 的读取方式一致

当前行为：

当我将 Excel 文件读入 Pandas DataFrame 时，日期格式不一致会导致我的分析出现问题。我无法手动更正这些问题，因为 Excel 文件是自动生成的。

附加说明：

• PDF 发票本身的日期格式是正确的 dd/mm/yyyy。
• 我怀疑这是由于 Excel 自动生成的基于区域设置的日期格式。
• 我无法直接控制 PDF4me API 的 Excel 生成过程。

问题： 如何确保 Excel 文件中的日期格式一致为 dd/mm/yyyy读入 Pandas，或者如何让 Pandas 正确读取日期，尽管存在不一致？

示例数据：

代码块：（已尝试以下选项）

# Read the Excel file into a DataFrame
xls = pd.ExcelFile(excel_path)

for sheet_name in xls.sheet_names[:-1]:
    df = pd.read_excel(xls, sheet_name=sheet_name,
         date_format="%d.%m.%Y")

# Tried this in old versions
df = pd.read_excel(xls, sheet_name=sheet_name,
         date_format="%d.%m.%Y", dayfirst=True)

Excel 屏幕截图

[![在这种情况下，可见日期与实际值相同][1]][1] [1]: https://i.sstatic.net/Zfa2HdmS.png

[![在这种情况下，可见日期的格式不同][2]][2] [2]：https://i.sstatic.net/JfGA8Ya2.png

理解面临的挑战。问题在于 Excel 将某些日期解释为美国格式 (mm/dd/yyyy)，而其他日期则解释为的预期格式 (dd/mm/yyyy)。由于无法控制 Excel 生成过程，我们可以尝试在 Pandas 中解决此问题。

以下是 Pandas 解决此问题的步骤：

1. 将有问题的列读取为字符串： 这可以防止 Pandas 自动将日期解释为日期时间对象。

2. 使用 Pandas 的 to_datetime 函数转换日期： to_datetime 函数有一个参数 dayfirst ，可以用来强制将日期解释为以日为先。

```python import pandas as pd

# 将 Excel 文件读入 Pandas DataFrame df = pd.read_excel("your_excel_file.xlsx", dtype={'Invoice Date': str})

# 将“Invoice Date”列转换为日期时间对象，强制以日为先 df['Invoice Date'] = pd.to_datetime(df['Invoice Date'], dayfirst=True) print(df) ```

这应该可以将“Invoice Date”列中的所有日期转换为正确的格式，无论它们最初是如何在 Excel 中格式化的。

其他提示：

• 检查空值： 在转换日期之前，最好检查的数据中是否有任何空值或 NA 值，因为这些值可能会导致错误。可以使用 df.isnull().sum() 来检查每一列中的空值。
• 处理错误： 如果 to_datetime 函数无法解析某些日期，可以使用 errors='coerce' 参数将它们强制转换为 NaT （非时间戳）。然后，可以分别处理这些错误。

请记住： 这种方法假设的日期始终以两位数的天数表示（例如，01、02、... 10、11 ...）。如果的日期包含一位数的天数（例如，1、2、... 10、11 ...），则需要调整代码以考虑这种情况。

我希望这有帮助！如果还有其他问题，请告诉我。