parse_dates对Excel数值型日期无效，因其仅处理文本型日期字符串；正确做法是读取后用pd.to_datetime(df['col'], unit='D', origin='1899-12-30')转换，或改用openpyxl引擎自动识别原生日期格式。
parse_dates参数根本不会修复Excel里显示为数字的日期
Excel底层把日期存成从1900年1月1日开始的浮点数（比如44562.0代表2022-01-01），Pandas用read_excel()读取时默认按数值处理，parse_dates只对**文本型日期字符串**（如"2022-01-01"、"01/01/2022"）起作用。如果单元格在Excel里显示正常但读进来是数字，parse_dates加了也白加。
实操建议：
- 先检查原始数据：
df.dtypes看对应列是不是float64或int64，如果是，说明Pandas根本没识别出这是日期 - 不要依赖
parse_dates，改用date_parser参数配合xlrd或openpyxl引擎（推荐后者） - 更稳妥的做法是：读取后用
pd.to_datetime()转换，传入unit='D'和origin='1899-12-30'来还原Excel序列号
用pd.to_datetime处理Excel序列号必须指定origin和unit
Excel日期序列号的起点是1900-01-01，但有个著名bug：它错误地把1900年当作闰年，所以实际计算要从1899-12-30开始算起。不指定origin会导致所有日期偏移2天。
示例：
立即学习“Python免费学习笔记（深入）”；
df['date_col'] = pd.to_datetime(df['date_col'], unit='D', origin='1899-12-30')
常见错误：
kashen-mysql DDLtoExcel
下载
解析 MySQL 8.0 的 DDL 脚本，并将表结构导出为 Excel 格式。适用于用户需将 MySQL 的 `CREATE TABLE` 语句转换为结构化的 Excel 文件场景，导出内容包含字段名、数据类型、长度及精度等信息。支持多张表的批量处理，每张表对应 Excel 中的一个独立工作表。适用于数据库文档编写、数据字典生成及模式分析等任务。
- 漏写
unit='D'→ 报OutOfBoundsDatetime错误 - 用
origin='1900-01-01'→ 2022-01-01会变成2021-12-30 - 列里混有空值或非数字 → 先用
pd.to_numeric(..., errors='coerce')清洗
openpyxl引擎能自动识别Excel原生日期格式
如果你的Excel文件是.xlsx且日期列在Excel里确实是“日期格式”（不是靠单元格样式伪装的），换用engine='openpyxl'比默认的xlrd（已停止维护）更可靠。
实操建议：
- 安装：
pip install openpyxl - 读取时显式指定：
pd.read_excel('file.xlsx', engine='openpyxl') - 此时
parse_dates才可能生效——但前提是Excel里该列真被设为日期格式，而不是靠自定义格式显示成日期的文本 - 验证方法：在Excel里右键单元格→“设置单元格格式”，看“分类”是否为“日期”
混合类型列（含空、文本、数字）会让parse_dates直接失效
哪怕一列里99%是Excel日期数字，只要混了一个"N/A"或空字符串，parse_dates就会放弃整列转为object类型，后续pd.to_datetime()也会报错。
解决路径：
- 先用
dtype=object读入，再逐行判断：pd.api.types.is_number(x)筛出数字，其余设为NaT - 或者用
converters参数预处理：converters={'date_col': lambda x: pd.to_datetime(x, errors='coerce') if isinstance(x, (int, float)) else pd.NaT} - 避免用
na_values把"NULL"之类当成空——它不影响类型推断，只是替换值
最麻烦的情况是：同一列里既有44562（Excel序列号），又有"2022-01-01"（字符串）。这时候必须分两路处理，没有银弹函数能全自动识别。
