如何将值（时间格式）转换为数字（浮点数）答案

【问题标题】：How to convert values ( in time format) into numbers (float)如何将值（时间格式）转换为数字（浮点数）
【发布时间】：2021-09-27 04:55:00
【问题描述】：

我已经合并了数百个 excel 文件。然后我想制作一个数据透视表。但是，我发现重量列中的某些值是日期格式，导致程序无法计算。我怎样才能把它们变成数字（浮点数）？

在 excel 文件中发现问题：

代码：

li=[]
os.chdir('/content/drive/MyDrive/WEM')
allFiles=(glob.glob("*/*.xlsx"))

for file in allFiles:
  df=pd.read_excel(file,index_col=False)

  li.append(df)

WEM=pd.concat(li,axis=0,ignore_index=True)

WEM['Date']=pd.to_datetime(WEM['Start Time'],format="%d/%m/%Y %H:%M:%S")
WEM['Month']=WEM['Start Time'].dt.month

pd.pivot_table(WEM,index=['Month'],values=['weight (KG)'],aggfunc=[np.sum])

【问题讨论】：

日期 1900-01-11 应该是什么浮点数？
是的，如果我在 excel 中更改单元格格式，“1900-01-11”的值为 11.5。
我检查了“11/01/1900”实际上是“11/01/1900 12:00:00”。当我在excel中将其更改为数值时，它是11.5。
Excel 本身没有日期时间类型。 Excel 中的日期实际上存储为浮点数（自 1899 年 12 月 31 日以来的天数）。如果您将该列的显示格式更改为“常规”，“日期”将消失。
在对read_excel的调用中包含dtype={"weight (KG)": float}会有帮助吗？

标签： python pandas pivot-table data-conversion

【解决方案1】：

您可以过滤所有具有日期格式的行并将它们转换为如下值：

假设这个数据框：

>>> df
       weight
0          0.
1         22.
2          7.
3        20.5
4  1900-01-11  # <- should be 11.5

df['weight'] = (pd.to_datetime(df['weight'] + ' 12:00', errors='coerce') 
                - pd.to_datetime('1900-01-01')) \
                    .dt.total_seconds().div(60*60*24).add(1) \
                    .fillna(df['weight']).astype(float)

输出：

>>> df
   weight
0     0.0
1    22.0
2     7.0
3    20.5
4    11.5

【讨论】：