Pandas中替换时间戳数据值时出现异常问题求助

问题根源 #

你之前的替换方法失效，核心原因是：

• df.replace([旧值列表], [新值列表])默认是完全匹配整个单元格内容，但你的Date_Time是完整日期字符串（如3014-05-01），并非单独的3014，所以匹配不到任何内容；若出现整列清空，大概率是列存在混合类型（字符串+非字符串）导致异常。
• df.loc的单值替换同样是匹配整个单元格等于目标值，自然也无法命中完整日期字符串中的错误年份。

正确批量替换方案 #

以下是针对日期字符串中子串（错误年份）的批量替换步骤：

1. 确保列为字符串类型

先统一列类型，避免混合类型引发的异常：

df['Date_Time'] = df['Date_Time'].astype(str)

2. 用字典映射+正则替换（推荐）

通过字典定义替换规则，配合regex=True实现单元格内子串的批量替换：

# 定义错误年份到正确年份的映射
replace_map = {
    '3014': '2014',
    '2914': '2014',
    '2081': '2018'
}

# 执行替换
df['Date_Time'] = df['Date_Time'].replace(replace_map, regex=True)

3. 转换为datetime类型

替换完成后，即可安全转换为datetime格式：

df['Date_Time'] = pd.to_datetime(df['Date_Time'], errors='coerce')

errors='coerce'会将仍无法转换的异常值转为NaT，方便后续排查处理。

备选方案：链式str.replace #

如果需要更灵活的正则匹配，也可以用str.replace链式调用：

df['Date_Time'] = df['Date_Time'].str.replace(r'3014|2914', '2014').str.replace(r'2081', '2018')

内容的提问来源于stack exchange，提问作者JuBru