如何在Python Pandas中计算字符串格式日期列的差值？

你的报错核心问题是日期格式匹配错误——%B 对应完整月份名称（比如英文里的January），而你的日期字符串用的是月份缩写May，应该用%b来匹配。另外，不需要把pandas datetime对象转成Python原生的date()，直接用pandas的datetime系列运算更高效。

正确代码步骤： #

1. 将字符串日期列转换为pandas datetime类型，指定正确的格式：

import pandas as pd

df1 = pd.DataFrame({'date1' : ['30-May-2024','30-May-2024','30-May-2024'],'date2' : ['20-May-2024','20-May-2024','10-May-2024']})

# 转换日期列，指定格式匹配缩写月份
df1['date1'] = pd.to_datetime(df1['date1'], format='%d-%b-%Y')
df1['date2'] = pd.to_datetime(df1['date2'], format='%d-%b-%Y')

2. 计算日期差并提取天数：

date_diff = (df1['date1'] - df1['date2']).dt.days
print(date_diff)

输出结果： #

0    10
1    10
2    20
dtype: int64

错误点说明： #

• 你原代码里用.date()是错误的，pandas的datetime Series不能直接调用单个datetime对象的.date()方法，需要用.dt.date，但其实完全没必要转成原生date对象，pandas自己的datetime类型直接相减就能得到时间差，再用.dt.days提取天数即可。
• 报错里的格式不匹配，是因为解析时用了%B（完整月份名），而你的日期是缩写月份，换成%b就能正确匹配。

内容的提问来源于stack exchange，提问作者mona