如何为DataFrame出生日期列计算年龄并处理缺失/未知值？

我来帮你搞定这个年龄计算的问题！你遇到的核心问题是没法直接处理NOT KNOWN和空值的情况，导致公式运行报错对吧？下面是完整的解决方案，一步步来：

1. 先准备好环境与测试数据 #

首先确保导入必要的模块，同时还原你的示例DataFrame：

import pandas as pd
import numpy as np
from datetime import datetime

# 构造你的示例DataFrame
df = pd.DataFrame({
    "Date of birth": [
        "1957-04-30", 
        "1966-11-10", 
        "1966-11-10", 
        "NOT KNOWN", 
        "1958-10-28", 
        "1958-06-04",
        None  # 模拟空值情况
    ]
})

# 定义参考日期并转换为datetime对象
referencePeriodEndDate = "2017-03-31"
ref_date = datetime.strptime(referencePeriodEndDate, "%Y-%m-%d")

2. 处理出生日期列，统一格式 #

先把Date of birth列转换成标准日期格式，同时把NOT KNOWN和空值转为缺失值（NaN），这样后续判断更方便：

# 转换日期列，errors='coerce'会把无效值（比如NOT KNOWN、空值）转为NaN
df["Date of birth"] = pd.to_datetime(df["Date of birth"], errors="coerce")

3. 计算年龄并处理缺失值 #

用np.where做条件判断：有效日期就按公式计算年龄，缺失值就返回NOT KNOWN。这里还可以按需保留小数位数：

# 计算年龄，保留1位小数（可根据需求调整）
df["Age"] = np.where(
    df["Date of birth"].notna(),  # 判断是否是有效日期
    round((ref_date - df["Date of birth"]).dt.days / 365.25, 1),  # 计算年龄
    "NOT KNOWN"  # 无效值返回指定字符串
)

关键逻辑解释 #

• pd.to_datetime(..., errors='coerce')：把所有非日期格式的内容（包括NOT KNOWN和空值）统一转为NaN，让后续的条件判断更简洁。
• (ref_date - df["Date of birth"]).dt.days：日期相减得到时间差对象，用.dt.days提取具体天数，才能做除法计算年龄。
• np.where：比循环或apply更高效的矢量判断，适合批量处理DataFrame数据。

最终结果 #

运行后你的DataFrame会变成这样：

Date of birth      Age
0    1957-04-30     59.9
1    1966-11-10     30.4
2    1966-11-10     30.4
3           NaN  NOT KNOWN
4    1958-10-28     58.4
5    1958-06-04     58.8
6           NaN  NOT KNOWN

内容的提问来源于stack exchange，提问作者Stacey