Python数据清洗：修复Excel自动转为日期格式的数值问题

嘿，别担心，这绝对是Excel自动格式化带来的经典数据坑，完全不是基础问题！你之前的replace没生效，核心原因就是那些“日期”其实是**pd.Timestamp类型的对象**，不是字符串，所以用字符串去匹配自然找不到对应的值。

下面给你两个简单可行的方法，直接解决这个问题：

方法一：用Timestamp映射字典精准替换 #

既然你已经明确知道每个错误日期对应的原始范围值，直接创建一个包含Timestamp对象的映射字典，然后对目标列执行替换即可：

# 导入依赖（你的代码已包含，这里仅补充核心清洗逻辑）
import pandas as pd
import io
from google.colab import files

# 导入数据（和你的代码保持一致）
upload = files.upload()
df = pd.read_excel(io.BytesIO(upload['breast-cancer.xls']))

# 1. 创建日期→原始范围的映射字典（注意用pd.Timestamp对象作为键）
date_to_range = {
    pd.Timestamp('2019-05-03 00:00:00'): '3-5',
    pd.Timestamp('2019-08-06 00:00:00'): '6-8',
    pd.Timestamp('2019-09-11 00:00:00'): '9-11',
    pd.Timestamp('2014-12-01 00:00:00'): '12-14',
    pd.Timestamp('2014-10-01 00:00:00'): '10-14',
    pd.Timestamp('2019-09-05 00:00:00'): '5-9'
}

# 2. 对需要修复的列执行替换（比如tumor-size和inv-nodes）
df['tumor-size'] = df['tumor-size'].replace(date_to_range)
df['inv-nodes'] = df['inv-nodes'].replace(date_to_range)

# 查看修复后的结果
df.head()

方法二：批量转换日期格式为范围字符串（适合规律化的日期） #

如果你的错误日期都是Excel把“X-Y”识别成“Y月X日”的规律（比如3-5被识别为5月3日→2019-05-03），可以批量把Timestamp转成“日-月”格式，再去掉前导零：

# 定义转换函数
def date_to_range_str(date_val):
    # 如果是Timestamp类型，转成日-月字符串，再去掉前导零
    if isinstance(date_val, pd.Timestamp):
        day_month = date_val.strftime('%d-%m')
        # 去掉每个部分的前导零，比如'03-05'→'3-5'
        return '-'.join([part.lstrip('0') for part in day_month.split('-')])
    # 非日期值直接返回
    return date_val

# 应用到目标列
df['tumor-size'] = df['tumor-size'].apply(date_to_range_str)
df['inv-nodes'] = df['inv-nodes'].apply(date_to_range_str)

这个方法适合日期和原始范围的对应关系完全符合Excel自动格式化规律的场景，不需要手动写映射字典。

你之前代码里的小问题提醒 #

1. 查看列类型的正确代码是df.dtypes，不是df.types，这个小错误会导致你无法正确查看数据类型；
2. 不需要循环整个DataFrame，直接针对需要修复的列操作即可，效率更高；
3. 替换时必须用pd.Timestamp对象匹配，而不是字符串——因为你的数据里存储的是日期对象，不是字符串。

内容的提问来源于stack exchange，提问作者Andy Mac