基于DOB日期条件更新DataFrame Age列值的错误排查与修正

我有一个包含datetime64[ns]类型DOB列和Object类型Age列的DataFrame，希望将DOB为1900年的垃圾数据对应的Age列值更新为0。尝试了以下两段代码均未得到预期结果，目前所有DOB日期对应的Age都被错误设为0，仅需将DOB属于1900年的行的Age更新为0。

原始DataFrame：

DOB          AGE
2004-05-17   18
1900-01-01   141
1900-02-01   135

尝试的代码：
代码1：

df['Age'].mask(df["DOB"]>="01-01-1900" ,'0', inplace=True)

代码2：

df['Age'] = np.where(df["DOB"]>="01-01-1900", 0, df['DOB'])

预期输出：

DOB          AGE
2004-05-17   18
1900-01-01   0
1900-02-01   0

• 代码1的问题：条件df["DOB"]>="01-01-1900"会匹配所有晚于等于1900年1月1日的日期，包括2004年的有效数据，导致所有行的Age被错误覆盖为0；同时赋值的是字符串'0'，虽然Age是Object类型可以兼容，但逻辑条件完全错误。
• 代码2的问题：同样存在条件范围过大的问题，且np.where的else分支错误地使用了df['DOB']，会把非1900年行的Age替换为日期值，完全不符合需求。

需要精准筛选出DOB年份为1900的行，再修改对应Age值，以下是两种可靠实现方式：

方法1：通过dt.year直接匹配年份 #

利用Pandas的datetime属性直接提取年份进行筛选：

# 定位DOB年份为1900的行，将其Age设为0
df.loc[df['DOB'].dt.year == 1900, 'Age'] = 0

方法2：通过日期范围精准匹配1900全年 #

如果需要严格匹配1900年的所有日期（从1900-01-01到1900-12-31），可以定义日期范围进行筛选：

import pandas as pd

# 定义1900年的起始和结束日期
start_1900 = pd.to_datetime('1900-01-01')
end_1900 = pd.to_datetime('1900-12-31')

# 筛选处于1900年区间内的行，更新Age为0
df.loc[(df['DOB'] >= start_1900) & (df['DOB'] <= end_1900), 'Age'] = 0

这两种方法都能精准定位目标行，仅修改1900年DOB对应的Age为0，保留其他行的原始Age值。

内容的提问来源于stack exchange，提问作者technical