使用Python将CSV中DOB列转为日期类型时遇报错求助

我经常遇到这种日期转换的坑，大概率是你的DOB列里藏着不符合%Y-%m-%d格式的数据，咱们一步步来排查解决：

• 第一步：先定位问题数据
  首先得搞清楚到底是哪些值导致了转换失败，你可以用这两行代码快速排查：

  # 查看DOB列所有唯一值，找异常格式
  print(b['DOB'].unique())
  # 统计符合YYYY-MM-DD格式的比例
  print(b['DOB'].str.match(r'^\d{4}-\d{2}-\d{2}$').value_counts())
  

  这样你就能看到有没有像dd/mm/yyyy、带时间的字符串（比如2023-10-01 12:00）、空值、或者N/A这种非日期标记。

• 第二步：根据情况选择转换方案

  1. 格式混杂，让pandas自动推断
     如果列里有多种日期格式，别硬指定format，让pandas自己识别，同时把无法转换的转成NaT（缺失日期值）：

     b['DOB'] = pd.to_datetime(b['DOB'], errors='coerce')
     

     之后你可以用b['DOB'].isna().sum()看看有多少无法转换的行，再决定是填充还是删除。

  2. 大部分符合格式，仅少量异常
     如果大部分数据是%Y-%m-%d，只有个别错误，可以先转换符合格式的行，再处理异常：

     # 标记符合YYYY-MM-DD格式的行
     valid_mask = b['DOB'].str.match(r'^\d{4}-\d{2}-\d{2}$')
     # 转换有效行
     b.loc[valid_mask, 'DOB'] = pd.to_datetime(b.loc[valid_mask, 'DOB'], format='%Y-%m-%d')
     # 异常行转成NaT，或者你可以单独检查这些行的实际格式再转换
     b.loc[~valid_mask, 'DOB'] = pd.to_datetime(b.loc[~valid_mask, 'DOB'], errors='coerce')
     

  3. 查看具体报错信息
     要是还是摸不着头脑，直接捕获错误并定位问题行：

     try:
         b['DOB'] = pd.to_datetime(b['DOB'], format='%Y-%m-%d')
     except Exception as e:
         print(f"具体错误：{e}")
         # 找出所有无法转换的行
         invalid_rows = b[pd.to_datetime(b['DOB'], format='%Y-%m-%d', errors='coerce').isna()]
         print("导致错误的DOB值：")
         print(invalid_rows['DOB'])
     

     这样你就能精准看到哪些值出问题了，针对性修改格式或者处理。

• 第三步：处理缺失值
  转换后如果有NaT，可以根据需求填充（比如用默认日期）或者删除这些行：

  # 填充缺失日期为某固定值
  b['DOB'] = b['DOB'].fillna(pd.to_datetime('1900-01-01'))
  # 或者删除包含缺失日期的行
  b = b.dropna(subset=['DOB'])
  

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