Pandas保存CSV为xlsx后时间列变NaN的解决技巧

使用Pandas将CSV文件转换为xlsx文件后，时间列数据常常变成NaN？本文提供有效解决方案！Pandas处理CSV和xlsx文件的时间格式存在差异，导致转换过程中数据丢失。通过`read_excel`函数的`parse_dates`参数指定时间列，并利用`date_parser`自定义日期时间解析函数，例如`lambda x: pd.to_datetime(x, format='%Y-%m-%d %H:%M:%S', errors='coerce')`，即可精准解析时间数据，避免NaN的出现。 记得根据实际时间格式调整`format`参数。 快速解决Pandas CSV转xlsx时间列NaN问题，轻松处理你的数据！

Pandas处理CSV转XLSX时间列变NaN的有效方法

在使用Pandas将CSV文件转换为XLSX文件后，有时会遇到时间列数据变成NaN的问题。本文提供一种可靠的解决方案，避免数据丢失。

问题：

从CSV导入数据到Pandas DataFrame，再导出为XLSX文件。重新读取XLSX文件时，时间列数据显示为NaN。

原因：

Pandas处理CSV和XLSX文件的时间数据格式存在差异。CSV文件通常以文本格式存储日期时间，而XLSX文件对日期时间有更复杂的存储机制。在CSV转XLSX的过程中，Pandas可能无法正确识别时间列的格式，导致数据类型丢失或错误存储。

解决方案：

关键在于读取XLSX文件时，显式指定时间列并解析其格式。 使用read_excel函数的parse_dates参数指定需要解析为日期时间的列名，并使用date_parser参数自定义日期时间解析函数。

以下代码演示了解决方案：

import pandas as pd

# 读取XLSX文件，并指定时间列和日期解析函数
df = pd.read_excel('output.xlsx', 
                   parse_dates=['审核入库时间列'], 
                   date_parser=lambda x: pd.to_datetime(x, format='%Y-%m-%d %H:%M:%S', errors='coerce'))

# 'errors='coerce'' 用于处理无法解析的日期，将其转换为NaT (Not a Time) 而不是抛出错误

代码中：

• parse_dates=['审核入库时间列']：指定'审核入库时间列'为需要解析的时间列。
• date_parser=lambda x: pd.to_datetime(x, format='%Y-%m-%d %H:%M:%S', errors='coerce')：定义一个匿名函数，使用pd.to_datetime函数将字符串转换为日期时间对象。format='%Y-%m-%d %H:%M:%S' 指定了日期时间格式，请根据你的CSV文件中的实际时间格式进行调整。errors='coerce'参数可以处理那些无法按照指定格式解析的日期值，将其转换为NaT，防止程序报错并中断。

请根据你的CSV文件中的实际时间格式修改format参数。 例如，如果你的时间格式是YYYY/MM/DD HH:mm:ss，则应将format参数改为'%Y/%m/%d %H:%M:%S'。 正确设置格式参数是解决问题的关键。

今天带大家了解了的相关知识，希望对你有所帮助；关于文章的技术知识我们会一点点深入介绍，欢迎大家关注golang学习网公众号，一起学习编程~