Pands批量更改excel日期格式

作者是做时序预测相关的深度学习的，在数据处理中发现日期格式在处理中有许多的不方便的地方，而且时序预测中日期并没有语义信息，因此为了方便计算就把日期格式改为数值格式。

作者转数值的方法就是excel中的标准方法，指定的日期格式（如 "2013-08-26"）转换为Excel中的数值格式（即距离1900-01-01的天数），注意有些较旧MAC版本的excel是从1904年开始的，大家调整时也可以自己选择。

在这个脚本中，我们首先读取Excel文件，然后遍历指定的日期列名。对于每个日期列，我们尝试将其从字符串转换为datetime类型，然后进一步转换为从1900-01-01开始的天数。最后，我们使用to_excel方法将修改后的数据框保存回原文件路径，从而覆盖原有的Excel文件。

确保将folder_path和date_column_names替换为适合你的实际路径和列名。同时，这个脚本假设你的日期列是字符串类型，并且格式是"YYYY-MM-DD"。如果日期列的格式有所不同，你需要调整pd.to_datetime中的format参数来匹配你的实际格式。

import os  
import pandas as pd  
  
# 设置文件夹路径和要转换的列名列表  
folder_path = 'path_to_your_folder'  # 替换为你的文件夹路径  
date_column_names = ['Column1', 'Column2']  # 替换为你要转换的列名  
  
# 获取文件夹中所有Excel文件的路径  
excel_files = [f for f in os.listdir(folder_path) if f.endswith('.xlsx')]  
  
# 遍历每个Excel文件  
for file in excel_files:  
    file_path = os.path.join(folder_path, file)  
      
    # 读取Excel文件  
    df = pd.read_excel(file_path, engine='openpyxl')  
      
    # 遍历指定要转换的列名  
    for col_name in date_column_names:  
        if col_name in df.columns and pd.api.types.is_string_dtype(df[col_name]):  
            # 尝试将字符串格式的日期转换为datetime类型  
            df[col_name] = pd.to_datetime(df[col_name], format='%Y-%m-%d', errors='coerce')  
              
            # 检查转换是否成功，并转换为Excel中的天数表示（浮点数）  
            if pd.api.types.is_datetime64_any_dtype(df[col_name].dtype):  
                # Excel日期从1900-01-01开始，但需要考虑1900年的闰年问题  
                excel_epoch = pd.Timestamp('1899-12-30')  
                df[col_name] = (df[col_name] - excel_epoch) / pd.Timedelta(days=1)  
      
    # 保存修改后的Excel文件，覆盖原文件  
    df.to_excel(file_path, index=False, engine='openpyxl')  
      
    print(f"Converted and overwritten {file}")