使用Python的xlrd模块查找日期最多的列

Question

对于Python (和StackOverflow!)来说，如果有任何帮助，我们将不胜感激。

我正在尝试遍历excel电子表格中的列，并确定哪一列包含最多的日期条目。

问题似乎出在Excel电子表格中的格式设置上。我的excel文件中的日期被列为yyyy-mm-dd，但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量。我尝试过.xls和.xlsx，也尝试过formatting_info=True，但没有成功。

下面是我尝试使用的一个函数的代码...

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

这段代码没有产生任何成功。你有什么办法让我解决这个问题吗？也许除了xlrd之外，还有其他方法？

谢谢!

更新:以下是文件输入的示例...( 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

如何构建一个流程来识别column =1是具有最多日期的列(当模块将第1列的值解释为整数而不是日期时)

Answer 1

我认为在决定它是否是日期-时间之前，您没有查看单元格的类型。

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

应更改为

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

Answer 2

我不得不在这里打破Stack Overflow协议，并提供一个“答案”，即使这个问题真正需要的是更尖锐的评论和编辑(或者更好的是，聊天室)。现有的评论序列已经太长了。

怀疑文件中的“日期”由于格式不正确(也就是说，它们在任何Excel意义上都不是日期)而没有被xlrd检测为日期，这种怀疑是很好的。所以问题仍然存在:它们是什么？

我们至少可以从两个角度着手:报告xlrd告诉我们的信息，或者报告Excel告诉我们的信息。(是的，我们还可以做其他事情，但老实说，xlrd是一个非常优秀的Excel阅读器，我们不应该使用其他任何东西。)

现在，我确信xlrd不会将任何单元格解释为“具有整数输出的公式”。xlrd不知道也不关心公式，而且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。某些函数可能恰好具有与整数相等的值。但是他们的数据类型是浮点型。这包括Excel可能认为是日期的任何内容。)

那么，在Excel方面:单元格是什么样子的？屏幕截图是比CSV更好的支持文档，因为在写入CSV时会丢失大量信息(以至于将CSV重新加载到Excel中通常会得到与开始时不同的结果)。单元格的格式字符串是什么？(从Excel中，导航菜单，就像您要手动更改格式一样，选择自定义选项，它应该显示现有的格式字符串，可以是类似于0.00或#,##0.00或m/d/yyyy或@等的内容。)

在xlrd方面，有问题的单元的ctype和value是什么？不只是打印值，而是使用repr函数打印表示。例如,

print current_sheet.cell(row,column).ctype
print repr(current_sheet.cell(row,column).value)

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，你的代码绝对不像它应该的那样简洁。有很多行根本不做任何事情。我明白了，你还是个新人，这很好。尽管如此，代码似乎确实可以处理给定的CSV数据(因为如果您将该CSV加载到Excel中，它将把看起来像日期的内容解释为日期)。