Excel 日期读出来是 45000 这种数字，pandas 转日期的正确写法

具体表现

读取 xlsx 后发现日期列全是四五位整数，直接 to_datetime 又报越界，无法用于按月统计。

先判断哪一层出错

Excel 内部用 1899-12-30 起算的序列号存日期，纯数字列不会被自动识别成时间类型。判断时先分清是 Excel 日期序列号 本身的配置问题，还是上游调用、运行环境带进来的差异；前者改配置就能收口，后者要沿着请求链路一层层往上找，处理顺序不能颠倒。先在出问题的机器上复现一次，把报错原文和发生时间记下来，再对着日志定位。

操作步骤

1. 确认该列是否为数值型
2. 以序列号起点做单位换算
3. 解析后再校验时区与格式

对应的命令或配置片段如下，可直接复制：

df = pd.read_excel('a.xlsx')
df['日期'] = pd.to_datetime('1899-12-30') + pd.to_timedelta(df['日期'], unit='D')
print(df['日期'].dt.to_period('M').value_counts())

测试环境复现不了时，先对比两边的版本号和配置文件，差异往往就在被忽略的那几行里。如果同一现象隔一段时间又出现，多半是某个定时任务或重启流程把配置覆盖回去了，顺手查一遍启动脚本。

收尾检查

转换后的日期与 Excel 里显示的年月日一致，按月分组结果合理。