扛锄头的农民

Pandas读取Excel时日期列变为浮点数的问题源于Excel内部使用浮点数存储日期（整数部分为1900年后的天数，小数部分为时间比例）。解决方案包括： parse_dates参数：直接指定日期列，但需确保Excel列格式为日期类型； 手动转换：通过基准日期（1899-12-30）加上浮点数的天数差值转为Python日期； 更换引擎：openpyxl对xlsx格式的日期识别更优，而xlrd需额外检测日期列。 注意事项：处理混合类型（文本/浮点数）、空值（NaN）及时区问题。

在处理Excel合并单元格数据时，openpyxl的一个关键特性是：合并区域中只有左上角单元格保留实际值，其余单元格为None。这会导致批量读取时出现数据缺失问题。文章介绍了两种解决方案：1) 直接修改工作表填充合并区域的值（会改变原文件）；2) 构建合并映射表读取数据（不修改原文件）。同时指出写入合并单元格的正确顺序应先写数据再合并，并需单独设置居中对齐。最后给出了批量处理多文件的完整脚本方案，帮助避免因合并单元格特性导致的数据处理错误。

在处理表格数量时，有时候会遇到这样的需求，需要将一张表格，按照其中一列的值，分类拆分成若干个表格。如下图，将按不同的部门，将这个表拆分成一个部门一个excel文件。分类筛选，复制粘贴，纯手工打造，完全可以实现。但是如果就一点数据，还可以，如果数量量大呢？操作到让你怀疑人生。用python可以实现吗？当然可以，但是不是每个人都会python，不是每个电脑都有python运行环境。那就用VB实现吧，建一个宏，运行一下，就搞定了。以上面截图为例：1、把要处理的表格按部门排序。2、Sub 保留表头

有时候从网上复制的表格数据，粘贴到excel表格后，变成一行一行的数据，不是表格格式的，不方便我们用表格进行数据处理。需要每隔几行进行转置一次。