Pandas DataFrame使用applymap格式化日期字段报错求助

错误原因 #

你的报错并非applymap处理列名导致，而是目标列（比如month）中存在字符串值'month'（大概率是数据里混入了重复的表头行），执行int(x)时无法将该字符串转为整数，从而抛出ValueError。

解决方案 #

根据数据情况选择以下方法：

方法1：先清理无效行（针对混入表头的情况） #

如果是数据里重复出现了表头行，先删除这些无效行再格式化：

target_cols = ["month", "day", "hour", "min", "s"]
# 删除month列值为'month'的无效行
df2 = df2[df2['month'] != 'month']
# 格式化数字为两位字符串
df2[target_cols] = df2[target_cols].astype(int).applymap(lambda x: f"{x:02d}")

方法2：先转换数值类型并处理异常值 #

如果列中存在其他无法转成整数的无效值，先统一转换为数值类型，再格式化：

import pandas as pd

target_cols = ["month", "day", "hour", "min", "s"]
# 将列转为数值，无法转换的设为NaN
df2[target_cols] = df2[target_cols].apply(pd.to_numeric, errors='coerce')
# 格式化有效数值为两位字符串，NaN替换为'00'（可根据需求调整）
df2[target_cols] = df2[target_cols].applymap(lambda x: f"{int(x):02d}" if pd.notna(x) else '00')

方法3：直接转换格式化（确保列中全为可转数字） #

如果确认列中所有值都是字符串型数字或数值，可直接转换后格式化：

target_cols = ["month", "day", "hour", "min", "s"]
df2[target_cols] = df2[target_cols].astype(int).applymap(lambda x: f"{x:02d}")

内容的提问来源于stack exchange，提问作者FrozzenFinger