如何查找Python DataFrame中格式错误的日期值并完成修复

直接用astype硬转object类型的日期列，只要碰到1条非法格式值就会直接抛错中断，针对3400行规模的数据集，用pandas自带的容错转换参数就能快速定位所有异常值，不需要逐行检查。

1. 定位Birthday列的非法日期 #

替换你原来的硬转代码，先用pd.to_datetime的容错模式把解析失败的值标记为空，再直接筛出异常记录：

import pandas as pd

# 解析时碰到非法值不报错，统一标记为NaT（时间类型的空值）
# 注意：如果你的日期格式是日/月/年，把dayfirst参数改成True
Cdf['temp_birthday'] = pd.to_datetime(Cdf['Birthday'], errors='coerce', dayfirst=False)

# 筛选所有解析失败的行，查看异常原始值
invalid_records = Cdf[Cdf['temp_birthday'].isna()]
print(f"共定位到{len(invalid_records)}条非法日期，异常值分布：")
print(invalid_records['Birthday'].value_counts())

你报错里提到的25/15就是典型的非法值：月份取值范围是1-12，出现15要么是录入时月份填错，要么是日期和月份的顺序搞反了，筛出来之后可以根据实际业务规则修正。

2. 转换得到不带时间的日期值 #

确认所有异常值修正完毕后，直接提取日期部分即可，不需要保留时间精度：

# 转成纯日期类型，不带时分秒
Cdf['Birthday'] = Cdf['temp_birthday'].dt.date
# 删除临时辅助列
Cdf.drop(columns=['temp_birthday'], inplace=True)

3. 批量处理全部日期列 #

你总共有14列需要做日期转换，可以写循环一次性排查所有列的异常，不用逐列调试：

# 替换成你数据集中所有需要转日期的列名
date_col_list = ['Birthday', 'VisitDate', 'DischargeDate'] 
for col in date_col_list:
    Cdf[f'temp_{col}'] = pd.to_datetime(Cdf[col], errors='coerce', dayfirst=False)
    invalid_num = Cdf[f'temp_{col}'].isna().sum()
    if invalid_num > 0:
        print(f"=== 列[{col}]存在{invalid_num}条非法日期 ===")
        print(Cdf[Cdf[f'temp_{col}'].isna()][col].value_counts())

所有列的异常都修正完之后，统一替换原列、删除临时列就行。后续计算患者年龄直接用解析后的日期列和当前日期做差值即可，不会再出类型错误。

内容的提问来源于stack exchange，提问作者onqun