计算时间似乎不是什么容易的题目，当然这只是小编个人这样理解的。excel一直是我们从小接触的软件，小编也不好自卖自夸，说自己使用excel多么厉害。但是要是用python那还是比较有自信的。其中的时间戳用来计算时间，小编认为并不比excel要逊色，不相信的小伙伴可以往下看看。

从库存报表里面识别出最长库龄的零件，并计算出库龄。

解决思路：

excel读到的日期的浮点数，代表的是自1900年1月1日以来的天数。

python的时间戳是指格林威治时间自1970年1月1日至当前时间的总秒数。

所以有两种思路：

1.库龄天数=（当前时间戳-表格时间戳）/60/60/24

将excel的浮点数（42368.0）转化成时间数组格式（这步有点麻烦），再转化成时间戳。

然后也将python读到的当前时间（2020-05-25 20:39:09.933949）转换成时间戳，然后再将秒数折算成天数。

2. 库龄天数=表格浮点数-当前日期转换成浮点数

将python的当前时间数组格式-1899年12月31日的时间数组格式，得到的一个时间数组格式。这个差值转换成天数（datetime模块下 .days）。得到当前距离1900年1月1日的天数。然后减去表格的浮点数，得到库龄。

小编用的是第2种解决方法是：

import xlrd
import xlwt
import datetime
 
#读取收货日期，计算库龄，找到最长库龄
wb = xlrd.open_workbook('库存报表20200520.xlsx')
sheet1 = wb.sheet_by_name('Sheet1')
 
#计算当前时间，转换成excel时间戳，excel时间戳其实时间1990年1月1日
date_start = datetime.datetime(1899, 12, 31)
date_now = datetime.datetime.now()
tod = date_now - date_start
 
#计算库龄，写入数列deltas
deltas = []
titlesrow = 1
nrows = sheet1.nrows-2
for i in range(nrows):
    d = sheet1.cell(1+i, 22)
    d = int(d.value)
    delta = tod.days - d
    deltas.append(delta)
 
# 新建一个表格，记录分析结果
wb = xlwt.Workbook()
sheet = wb.add_sheet('关键数据')
 
titles = ['最长库龄', '零件号', '零件名称', '数量']
for i in range(len(titles)):
    sheet.write(0, i, titles[i])
 
# 找到最大库龄，写到表格
max = max(deltas)
sheet.write(1, 0, max)
 
# 最大库龄对应的零件号，数量
max_index = deltas.index(max)
max_part = sheet1.cell(max_index + 1, 3).value
max_name = sheet1.cell(max_index + 1, 4).value
max_num = sheet1.cell(max_index + 1, 5).value
sheet.write(1, 1, max_part)
sheet.write(1, 2, max_name)
sheet.write(1, 3, max_num)
wb.save('库存分析.xls')

有经常使用excel的小伙伴也可以试试python3时间戳的方法哦，试完后可以看看哪个软件的的常规方法更好用。