熊猫奇怪的日期为 00:00？

Question

所以最近我一直在用 Excel 做一些事情，发现了一些奇怪的东西，我不知道如何处理。这是我的excel文件，我在里面放了一些随机数据。

然后我有以下代码将其写入熊猫数据帧：

import pandas as pd

df = pd.read_excel('excel.xlsx', engine = 'openpyxl')

duplicate_df = df.copy()
duplicate_df = df.dropna(axis = 0, how = 'all')

duplicate_df

但是，正如我们从数据框中看到的那样，当我将 00:00 作为条目时，我也可以看到日期吗？我只想要 00:00 的时间而不是在前面添加日期。

但是对于不是 00:00 的时间，框架没问题。我该如何处理？

Answer 1

我怀疑 Excel 文件有问题。在 Excel 中有两种不同的时间显示方式：使用时间字段，或使用日期字段并仅显示时间部分。

您的问题是从 Pandas 直接访问 Excel 太聪明了，并试图使用基础数据而不是格式化文本。它有助于识别数据类型，但在这里它会将您带入意想不到的数据中。

这里有两种方法：

1. 好方法：修复 Excel 文件中的数据。然后，无论您在该文件上使用什么处理，您都会获得正确的值。问题是不容易识别有问题的单元格并在其中输入正确的值...

2. tsv 或 csv 解决方法：因为 Excel 知道 CSV 文件是文本文件，所以它会在其中写入格式化的值。因此，您可以以 csv 格式导出文件并从 Pandas 加载它。缺点是每次更改文件时都必须重新导出。

Answer 2

您面临的问题是由于用于将 excel 文件解析为 Pandas 数据框（即 openpyxl）的引擎引起的。

如果您在构建数据框时没有为引擎参数提供任何值（默认为“无”），那么您的问题将得到解决。

类似于：

df = pd.read_excel('excel.xlsx')

代替

df = pd.read_excel('excel.xlsx', engine = 'openpyxl')

如果不使用引擎出现错误，请尝试使用引擎，然后再更改值。

所以，

df = pd.read_excel('excel.xlsx', engine = 'openpyxl')
for i in df.index:
    if 1899 == df['Start Time'].iloc[i].year:
        time = df['Start Time'][i].time()
        df['Start Time'][i] = time

对于“结束时间”也可以这样做。

在这里，时间存储在一个临时变量中（不是来自纪元，而只是时间戳），然后将其存储回数据帧。

Answer 3

经过一番折腾，我发现如果你以前遇到过这个错误，把整列变成一个字符串是最容易的。然后将字符串从有空格的地方分成几部分。然后取最后一个值。这给我留下了时间价值。