Jupyter全量运行报NaN转整数ValueError，单独运行单元格正常

核心触发点：全量运行时AGE列存在未处理的NaN值 #

报错的直接原因是generate_birthdate函数尝试将NaN转换为整数，而浮点型的NaN无法直接转换为整数，从而触发ValueError。

全量运行报错的具体逻辑 #

1. 代码第17-18行仅将BIRTHDATE为--/--/----的行替换为有效日期，但并未给这些行的AGE列赋值。
2. 第19行仅对~filt（即BIRTHDATE格式有效）的行计算并赋值AGE，filt对应的行（原无效生日的行）的AGE仍为初始状态的NaN（若AGE列是新建或未提前填充，默认会以浮点型NaN表示空值）。
3. 第20行调用df_good_ssn['AGE'].apply(generate_birthdate)时，是对整个AGE列的所有行执行函数，包括那些AGE为NaN的行，此时函数执行int(age)就会触发转换错误。

单独运行单元格正常的原因 #

当单独重新运行该单元格时，df_good_ssn的状态已发生变化：

• 可能之前的运行已经给filt行的AGE赋值（比如报错后手动修复，或重复运行时隐式保留了状态）；
• 或多次运行后，AGE列的NaN被意外填充，使得apply遍历过程中不会遇到NaN值，函数得以正常执行。

代码修复建议 #

方案1：仅对有效AGE行应用函数 #

将第20行修改为仅处理~filt的AGE子集，避免触碰到NaN行：

df_good_ssn.loc[~filt,'NEW_BIRTHDATE'] = df_good_ssn.loc[~filt,'AGE'].apply(generate_birthdate)

方案2：在函数中增加NaN判断 #

在generate_birthdate函数里提前处理NaN情况，避免转换错误：

def generate_birthdate(age):   
    today = date.today()
    if pd.isna(age):
        # 针对NaN的默认处理逻辑，示例返回固定日期
        return '01/01/2000'
    if int(age) < 18:
        new_birthdate = str(random.randrange(1,12))+'/'+str(random.randrange(1,28))+'/'+str(random.randrange(today.year-18,today.year))
    else:
        new_birthdate = str(random.randrange(1,12))+'/'+str(random.randrange(1,28))+'/'+str(random.randrange(today.year-90,today.year-18))
    return new_birthdate

内容的提问来源于stack exchange，提问作者JoBaxter