如何用Python修改日期列年份（不改动月日）？修复DataFrame日期错误

搞定这个日期修复问题很简单，而且完全可以自动化处理，尤其适合大型数据集的子集操作。我给你一步步拆解：

1. 先确保日期列是datetime类型 #

处理日期的前提是让列变成datetime格式——如果你的'Date Posted'目前是字符串，先转成datetime，这样才能直接操作年份：

import pandas as pd

# 转换为datetime类型，errors='coerce'会把无效日期转成NaT（方便后续排查）
df['Date Posted'] = pd.to_datetime(df['Date Posted'], errors='coerce')

2. 自动化修复2019→2017的年份错误 #

这里有两种高效方法，分别适合不同场景：

方法一：精准替换指定年份（灵活通用） #

如果你需要把所有2019年的日期精准改成2017年，月日完全不变，用这个方法逻辑最清晰，适合任何年份替换需求：

# 筛选出年份为2019的行
mask = df['Date Posted'].dt.year == 2019
# 对筛选出的日期，替换年份为2017（月日、时分秒都保持原样）
df.loc[mask, 'Date Posted'] = df.loc[mask, 'Date Posted'].apply(lambda x: x.replace(year=2017))

这个方法的好处是：哪怕以后遇到其他年份错误（比如2020→2018），只需要修改mask里的年份和replace的目标年份就行，非常灵活。

方法二：矢量化调整年份（大数据友好） #

如果你的数据集特别大，追求极致速度，用这个矢量化操作的方法，比apply快很多：

mask = df['Date Posted'].dt.year == 2019
# 给筛选出的日期减去2年（2019-2=2017），月日自动保留
df.loc[mask, 'Date Posted'] = df.loc[mask, 'Date Posted'] - pd.DateOffset(years=2)

注意：这个方法只适用于年份是固定差值的情况（比如减2年、加3年），如果是跨不同差值的年份替换，还是用方法一更合适。

3. 验证修复结果 #

改完之后一定要确认一下，避免漏改或者误改：

# 查看所有年份的分布，确认2019的数量为0
print(df['Date Posted'].dt.year.value_counts())

# 检查是否还有遗漏的2019年日期（正常应该输出空DataFrame）
print(df[df['Date Posted'].dt.year == 2019])

通用修改日期年份的技巧 #

如果以后需要修改所有日期的年份（不管原来年份是多少），可以直接用：

# 把所有日期的年份改成2020，月日不变
df['Date Posted'] = df['Date Posted'].apply(lambda x: x.replace(year=2020))

内容的提问来源于stack exchange，提问作者user9264558