如何使用Pandas自动修复含日期格式与数字混合的数据集

你的日期字段里同时存在标准日期格式和Excel日期序列号（数字），可以通过以下步骤用Pandas批量修复，不用手动在Excel里调整：

• 读取数据时把日期列设为字符串类型，避免Pandas自动识别出错：

  import pandas as pd
  df = pd.read_csv("你的数据文件.csv", dtype={"日期列名": str})
  

• 创建清洗后的日期列，先尝试直接转换标准日期格式，无法转换的标记为NaT：

  df["清洗后日期"] = pd.to_datetime(df["日期列名"], errors="coerce")
  

• 针对标记为NaT的行（也就是那些数字序列号），用Excel的日期规则转换：
  Excel的数字是从1900-01-01开始的天数，所以用origin='1900-01-01'和unit='D'参数转换：

  # 筛选出需要修复的行
  需要修复的行 = df["清洗后日期"].isna()
  # 把数字转成日期
  df.loc[需要修复的行, "清洗后日期"] = pd.to_datetime(
      df.loc[需要修复的行, "日期列名"].astype(float),
      origin="1900-01-01",
      unit="D"
  )
  

• 处理Excel的1900闰年bug：
  Excel错误地将1900年判定为闰年，导致数字60对应不存在的1900-02-29，需要替换为正确的日期：

  df["清洗后日期"] = df["清洗后日期"].replace(
      pd.Timestamp("1900-02-29"),
      pd.Timestamp("1900-03-01")
  )
  

这样就能批量把两种格式的日期统一成标准datetime类型，实现流程自动化。

内容的提问来源于stack exchange，提问作者Barun Bodhak