Pandas日期列转datetime64失败，无法使用max()方法求助

针对你的情况，核心问题是日期列中存在无法解析的字符串“-”，导致pd.to_datetime()报错。这里提供几种实用的解决方法：

方法1：强制转换无效值为NaT（推荐） #

使用pd.to_datetime()的errors='coerce'参数，将所有无法解析的日期字符串转换为pandas的缺失日期类型NaT，这样就能顺利完成类型转换，后续调用max()时NaT会自动被忽略。

代码示例：

df['Date'] = pd.to_datetime(df['Date'], errors='coerce')
# 之后直接调用max()
max_date = df['Date'].max()

方法2：先过滤无效值再转换 #

如果不需要保留含“-”的行，可以先过滤掉这些无效行，再对剩余有效日期进行转换：

# 生成仅包含有效日期的新DataFrame
df_clean = df[df['Date'] != '-'].copy()
df_clean['Date'] = pd.to_datetime(df_clean['Date'])
max_date = df_clean['Date'].max()

如果需要保留原DataFrame的所有行，仅转换有效日期：

# 只对非“-”的行进行日期转换
mask = df['Date'] != '-'
df.loc[mask, 'Date'] = pd.to_datetime(df.loc[mask, 'Date'])
# 调用max()时需排除未转换的“-”
max_date = df.loc[mask, 'Date'].max()

方法3：替换无效值为特定日期（按需使用） #

如果“-”在业务中代表某个特定的默认日期（比如缺失的历史日期），可以先替换该值再进行转换：

# 将“-”替换为指定日期，再转换
df['Date'] = pd.to_datetime(df['Date'].replace('-', '2000-01-01'))
max_date = df['Date'].max()

内容的提问来源于stack exchange，提问作者Zan