如何用Pandas对比列内日期并标记不一致的日期？

嘿，我来帮你搞定这个日期过滤的问题！你的CSV里日期格式太杂了，得先把它们统一转换成标准的日期类型，才能轻松揪出和其他日期不一致的条目。下面是具体的解决步骤：

步骤1：导入库并读取数据 #

首先咱们用Pandas把CSV文件读进来：

import pandas as pd

# 读取你的测试CSV文件
df = pd.read_csv('test.csv')

步骤2：统一解析日期列 #

你的日期有3种不同格式：April7 2018、7April2018、07-04-2018。Pandas的pd.to_datetime可以自动识别大部分常见格式，不过咱们也可以手动指定格式来确保解析准确：

# 定义所有可能的日期格式，覆盖你CSV里的情况
date_formats = ['%B%d %Y', '%d%B%Y', '%d-%m-%Y']

# 自定义解析函数，尝试每种格式直到匹配成功
def parse_custom_date(date_str):
    for fmt in date_formats:
        try:
            return pd.to_datetime(date_str, format=fmt)
        except ValueError:
            continue
    # 如果所有格式都匹配失败，返回Not a Time（缺失值标记）
    return pd.NaT

# 生成解析后的标准日期列
df['Parsed_Date'] = df['Date'].apply(parse_custom_date)

这里的格式说明：

• %B：完整月份名称（比如April）
• %d：两位日期（自动兼容一位数，比如7会被识别为07）
• %Y：四位年份

如果你不想手动写格式，直接用pd.to_datetime(df['Date'], errors='coerce')也能自动解析你这些日期，效果差不多。

步骤3：标记不一致的日期 #

接下来咱们找到出现次数最多的日期（也就是大多数人都用的日期），然后标记出和它不一样的条目：

# 找到最常见的日期（取第一个众数）
most_common_date = df['Parsed_Date'].mode()[0]

# 添加一列标记是否为不一致的日期
df['Is_Invalid_Date'] = df['Parsed_Date'] != most_common_date

查看结果 #

现在你可以筛选出所有日期不一致的行：

# 输出所有标记为不一致的记录
print(df[df['Is_Invalid_Date']])

注意事项 #

• 关于07-04-2018的解析：如果这个日期实际是7月4日（而不是4月7日），你需要把格式改成%m-%d-%Y，避免Pandas误判。这时候可以调整解析函数里的格式列表，把%m-%d-%Y放进去。
• 如果有解析失败的日期（返回pd.NaT），这些也会被标记为不一致，因为NaT不等于任何有效日期，你可以根据需求修改逻辑（比如单独标记解析失败的条目）。

内容的提问来源于stack exchange，提问作者Kronos