Question

Python（和StackOverflow！）的新手，非常感谢任何帮助。

我尝试遍历Excel电子表格中的列，并确定哪个列包含最多的日期条目。

问题似乎与Excel电子表格中的格式有关。我的excel文件中的日期列为yyyy-mm-dd，但该模块似乎将它们解释为整数，例如2012-10-12 = 1990.同样，日期3/1/2014被解释为3除以1除以2014 = 0.00149。

到目前为止，我一直在使用Python中的xlrd模块来计算特定列中的日期数。我已尝试使用.xls和.xlsx，并且还尝试使用formatting_info = True但没有成功。

以下是我尝试使用的功能代码......

import xlrd
from xlrd import open_workbook
from xlrd import XL_CELL_DATE

def find_maturity_date_column2(file, threshold):

    wb = open_workbook(file)

    sheet_index = 0

    max_sheet_score = 0
    max_col_score = 0

    maturity_sheet_index = 0
    maturity_col_index = 0

    for a in wb.sheets():
        current_sheet = wb.sheet_by_index(sheet_index)
        sheet_score = 0
        for column in range(0,a.ncols):
            col_score = 0
            for row in range(0,a.nrows):
                if current_sheet.cell(row,column).ctype == xlrd.XL_CELL_DATE:
                    sheet_score = sheet_score + 1
                    col_score = col_score + 1
                else:
                    sheet_score = sheet_score
                    col_score = col_score

            if sheet_score >= max_sheet_score and col_score > max_col_score:
                max_col_score = col_score
                max_sheet_score = sheet_score
                maturity_sheet_index = sheet_index
                maturity_col_index = column
            else:
                max_col_score = max_col_score
                max_sheet_score = max_sheet_score
                maturity_sheet_index = maturity_sheet_index
                maturity_col_index = maturity_col_index            
        sheet_index = sheet_index + 1

    if max_col_score < threshold:
        maturity_sheet_index = "None Found"
        maturity_col_index = "None Found"
    else:
        maturity_sheet_index = maturity_sheet_index
        maturity_col_index = maturity_col_index

    return maturity_sheet_index, maturity_col_index

此代码未取得任何成功。关于如何解决这个问题的任何想法？也许除了xlrd之外还有不同的方式？

谢谢！

更新：以下是文件输入的示例...（以csv格式）

Tranche,Maturity Date,Country,Currency,Initial Spread
Term Loan B,2020-10-12,USA,USD,0.025
Term Loan B,2020-11-02,USA,USD,0.0275
Term Loan B,2020-05-22,USA,USD,0.0275

如何构建一个进程来识别column = 1是具有最大日期数的列（当模块将第1列值解释为整数而不是日期时）

Answer 1

我认为在决定是否是日期时间

之前，您缺少查看单元格的类型

 if current_sheet.cell(row,column) == xlrd.XL_CELL_DATE:

应改为

 if current_sheet.cell(row,column).ctype == xlrd.XL_CELL_DATE:

Answer 2

我必须在这里打破Stack Overflow协议并提供一个＆＃34;答案＆＃34;即使这个问题真正需要的是更清晰的评论和编辑（或者更好的是，聊天室）。现有的评论意见已经太久了。

怀疑＆＃34;约会＆＃34;由于格式不正确（即，在任何Excel意义上它们都不是不日期），文件中的日期未被xlrd检测为好日期。所以问题仍然存在：它们是什么？

我们可以从至少两个角度来解决这个问题：报告xlrd告诉我们的内容，或报告Excel告诉我们的内容。（是的，我们可以做其他事情，但老实说，xlrd是一个非常称职的Excel读者，我们不应该使用其他任何东西。）

现在，我确定xlrd不会将任何单元格解释为＆＃34;具有整数输出的公式＆＃34;。 xlrd不了解或关心公式，从数据存储的角度来看，没有Excel整数这样的东西。（Excel中的每个数字都是一个浮点数。有些可能碰巧有 compare 等于整数的值。但是它们的数据类型是float。这包括Excel可能认为是日期的任何内容。）

所以，在Excel方面：单元格看起来像是什么样的？屏幕截图是一个比CSV更好的支持文档，因为在写入CSV时会丢失大量信息（以便将CSV加载到Excel中往往会给出与您开始时不同的内容）。单元格的格式字符串是什么？（从Excel导航菜单，就像您要手动更改格式一样，选择自定义选项，它应显示现有的格式字符串，可以是0.00或#,##0.00或{ {1}}或m/d/yyyy等。）

从xlrd方面来看，相关单元格的@和ctype是什么？而不是仅打印值，使用value函数打印表示。例如，

repr

提供此信息（编辑您的问题或对此答案发表评论），也许我们会取得一些进展。

顺便说一句，您的代码绝对不是那么简洁。有很多线路根本不做任何事情。我明白了，你还是新手，那没关系。尽管如此，代码确实对已经给出的CSV数据起作用（因为如果将CSV加载到Excel中，它会将看日期的东西解释为日期）。

使用Python的xlrd模块查找具有大多数日期的列

2 个答案: