Pandas中修正CSV日期列年份错误解决OutOfBoundsDatetime问题

问题根源 #

你的代码未生效，是因为Pandas读取CSV时可能自动尝试将ddate列解析为datetime类型，此时错误日期3021-06-30已触发越界错误，replace操作根本没机会执行。

正确处理步骤 #

1. 以字符串格式读取CSV #

先避免自动解析日期，确保数据以字符串形式加载：

import pandas as pd

# 指定ddate列为字符串类型，防止自动解析出错
df = pd.read_csv("your_file.csv", dtype={"ddate": str})

2. 替换错误日期 #

• 单个错误日期直接替换：

df["ddate"] = df["ddate"].replace("3021-06-30", "2021-06-30")

• 批量处理同类错误（比如所有年份写成30xx的都修正为20xx），用正则更高效：

df["ddate"] = df["ddate"].str.replace(r"^30(\d{2})-", r"20\1-", regex=True)

3. 转换为datetime类型 #

替换完成后，再将列转为datetime类型：

df["ddate"] = pd.to_datetime(df["ddate"])

备选方案：读取时直接处理错误 #

如果不想拆分步骤，也可以在读取时自定义日期解析函数：

def fix_date(date_str):
    # 识别并修正年份错误
    if date_str.startswith("30"):
        return "20" + date_str[2:]
    return date_str

# 读取时直接解析并修正日期
df = pd.read_csv("your_file.csv", parse_dates=["ddate"], date_parser=lambda x: pd.to_datetime(fix_date(x)))

内容的提问来源于stack exchange，提问作者TimB