如何用Python Pandas基于日期计算年龄？解决数据类型错误

嘿，我明白你现在的困扰——处理日期格式和计算年龄确实容易踩坑，我来一步步帮你理顺：

第一步：确保日期列被正确解析为datetime类型 #

你提到用parse_dates=['date']没成功，大概率是列名大小写不匹配（你的CSV里列名是Date，大写D），或者日期格式存在异常值。试试下面的方法：

import pandas as pd

# 方法1：读取时指定正确的列名解析日期
df = pd.read_csv('your_data.csv', parse_dates=['Date'])

# 检查解析结果：如果输出是datetime64[ns]就说明成功了
print(df['Date'].dtype)

# 如果方法1失败，用pd.to_datetime强制转换（处理格式异常）
df['Date'] = pd.to_datetime(df['Date'], format='%Y-%m-%d', errors='coerce')
# 这里errors='coerce'会把无效日期转成NaT，之后你可以用df.dropna()清理这些行

第二步：正确计算年龄（避免闰年/生日未到的误差） #

直接将日期相减得到的是Timedelta类型，不能直接转成数值年龄，而且除以365会忽略闰年和“还没到当年生日”的情况。推荐两种靠谱的方法：

方法A：用dateutil的relativedelta（最精准）

from dateutil.relativedelta import relativedelta

today = pd.Timestamp.now()
df['Age'] = df['Date'].apply(lambda birth_date: relativedelta(today, birth_date).years)

方法B：纯Pandas实现（无需额外库）

today = pd.Timestamp.today()

# 先计算年份差
df['Age'] = today.year - df['Date'].dt.year

# 调整：如果今年还没到生日，年龄减1
df['Age'] -= ((today.month, today.day) < (df['Date'].dt.month, df['Date'].dt.day)).astype(int)

为什么你之前的方法行不通？ #

你尝试用pd.to_numeric转换日期列是错误的——日期本质是datetime对象，不是数值类型，转数值只会把它变成时间戳（或者报错/变成NaN），完全不是你需要的处理方式。核心是先把Date列转换成datetime类型，再基于时间对象做年龄计算。

内容的提问来源于stack exchange，提问作者Luis