在 Python Pandas 中基于波兰 PESEL 计算年龄时出错？答案

【问题标题】：Error during calculation of age based on Polish PESEL in Python Pandas?在 Python Pandas 中基于波兰 PESEL 计算年龄时出错？
【发布时间】：2021-12-05 00:56:29
【问题描述】：

我在 Python Pandas 中有数据框，如下所示，带有 str 值：

NR
--------
910517196
921122192
020612567

我尝试使用以下代码根据“NR”列中的值计算年龄：

ABT_DATE = pd.Timestamp(year=2021, month=6, day=30)
df['age'] = (ABT_DATE - pd.to_datetime(df.NR.str[:6], format = '%y%m%d')) / np.timedelta64(1, 'Y')
df["age"] = df.age.astype("int")

上述代码的逻辑是：从“NR”列中取df的前6个数字，并据此计算年龄，因为例如：910517196（前6个数字）是1991-05-17。

尽管如此，当我尝试使用我的代码时，出现如下错误：

ValueError: unconverted data remains: 20

我的 DataFrame 有超过 400k 行，因此很难检查所有行，但我确信我没有 NaN，并且年月日在正确的间隔内。

正如您在下面的示例中看到的那样，此代码是正确的并且应该可以工作，为什么它适用于小型示例代码并且不适用于我超过 400k 行的数据框？

df = pd.DataFrame({"NR" : ["95050611475", "00112575862"]})
df['age'] = (ABT_DATE - pd.to_datetime(df.NR.str[:6], format = '%y%m%d')) / np.timedelta64(1, 'Y')
df["age"] = df.age.astype("int")
df

如何修复我的大数据框以便能够在 Python Pandas 中使用我的代码？

【问题讨论】：

标签： python pandas datetime valueerror timedelta

【解决方案1】：

您可能有一些格式错误的行。要找到它们，我建议您使用to_datetime 和errors='coerce' 作为参数。所有未转换的值都设置为NaN。因此，您可以使用布尔掩码 m 来查找错误值。

df = pd.DataFrame({"NR" : ["95050611475", "00112575862", "badformat"]})

m = pd.to_datetime(df.NR.str[:6], format='%y%m%d', errors='coerce').isna()
print(df[m])

# Output:
          NR
2  badformat

【讨论】：

完美，谢谢！ :)