如何在Python Pandas中替换DataFrame中的无效日期值为当日日期

嘿，这个场景我经常遇到，给你一套简单高效的解决方案，分分钟搞定无效日期的检测和替换：

1. 导入依赖并准备示例数据 #

首先我们先导入需要的库，同时创建你提供的示例DataFrame：

import pandas as pd
from datetime import date

# 创建你给出的示例DataFrame
data = {'Date': ['12/12/2018', '12/11/2018', '#REF', '12/1/205', '12/1/205', 'N/A', 'Unknown', '6/12/2018', '6/3/2018']}
df = pd.DataFrame(data)

2. 检测无效日期并替换为当日日期 #

这里的核心技巧是利用pd.to_datetime的errors='coerce'参数——它会把所有无法解析为有效日期的内容（不管是#REF、N/A这类标识，还是格式错误的12/1/205）统一转换成NaT（Pandas里的"非时间"值），之后我们就可以用fillna把这些NaT替换成当日日期：

# 获取当日日期，转换成Pandas兼容的datetime类型
today = pd.Timestamp(date.today())

# 将Date列转为datetime格式，无效值强制转为NaT
# 注意dayfirst参数：如果你的日期是日/月/年就设为True，这里是月/日/年所以设为False
df['Date'] = pd.to_datetime(df['Date'], errors='coerce', dayfirst=False)

# 把所有NaT替换成当日日期
df['Date'] = df['Date'].fillna(today)

3. 可选：先查看哪些是无效日期 #

如果你想先确认原始数据里的无效日期行，可以先跑这段代码：

# 筛选出原始数据中无法解析为日期的行
invalid_rows = df[pd.to_datetime(df['Date'], errors='coerce').isna()]
print("原始数据中的无效日期行：")
print(invalid_rows)

关键点说明 #

• errors='coerce'是处理这类问题的关键，它帮我们把各种奇奇怪怪的无效值统一成NaT，不用逐个判断字符串。
• 一定要根据你的实际日期格式调整dayfirst参数，否则可能会出现日期解析错误（比如把12/1/2018当成日/月/年的话就会解析成2018年1月12日）。
• 用pd.Timestamp(date.today())是为了让当日日期和DataFrame中的datetime类型保持一致，避免类型不匹配的问题。

内容的提问来源于stack exchange，提问作者Vibrant Learner