Pandas中计算不同数据类型列的差值问题求助

需要计算DataFrame中col1与col2的差值，但每行数据类型不一致，尝试用np.where实现时遇到问题，无法正确将datetime类型的差值转换为天数。

输入数据 #

计算逻辑 #

• 若col1或col2为字符串类型，差值返回"not same"
• 若为datetime类型，差值返回(col2 - col1).days的绝对值
• 其他数值类型直接计算col2 - col1

尝试的错误代码 #

import numpy as np
import pandas as pd
from datetime import datetime

df["difference"] = np.where( df['col2'].apply(lambda x: isinstance(x, str)), "not same", 
                                df["col2"].apply(lambda x: isinstance(x, datetime)), (df['col2'] - df['col1']).dt.days, 
                                df['old_value'] - df['new_value'])

问题点 #

1. np.where仅支持三元表达式，无法直接实现多分支判断，代码语法错误
2. datetime类型的差值未正确转换为天数，且未处理负数的情况（如第四行日期差为-1，预期输出为1）

预期输出 #

解决方案 #

方法1：逐行判断（直观易懂） #

使用apply逐行处理，适合小数据量：

import pandas as pd

# 先将字符串日期转换为Timestamp类型，非日期内容保持原样
df['col1'] = pd.to_datetime(df['col1'], errors='ignore')
df['col2'] = pd.to_datetime(df['col2'], errors='ignore')

def calc_diff(row):
    c1, c2 = row['col1'], row['col2']
    # 判断是否为字符串
    if isinstance(c1, str) or isinstance(c2, str):
        return "not same"
    # 判断是否为datetime类型
    elif isinstance(c1, pd.Timestamp) and isinstance(c2, pd.Timestamp):
        return abs((c2 - c1).days)
    # 数值类型直接计算
    else:
        return c2 - c1

df['difference'] = df.apply(calc_diff, axis=1)

方法2：多条件批量处理（高效） #

使用np.select实现多分支判断，性能更优，适合大数据量：

import pandas as pd
import numpy as np

# 解析日期列
df['col1'] = pd.to_datetime(df['col1'], errors='ignore')
df['col2'] = pd.to_datetime(df['col2'], errors='ignore')

# 定义判断条件
conditions = [
    (df['col1'].apply(lambda x: isinstance(x, str))) | (df['col2'].apply(lambda x: isinstance(x, str))),
    (df['col1'].apply(lambda x: isinstance(x, pd.Timestamp))) & (df['col2'].apply(lambda x: isinstance(x, pd.Timestamp)))
]

# 对应条件的结果
choices = [
    "not same",
    abs((df['col2'] - df['col1']).dt.days),
    df['col2'] - df['col1']
]

# 应用条件生成结果
df['difference'] = np.select(conditions, choices, default=df['col2'] - df['col1'])

关键说明 #

• 必须先通过pd.to_datetime(..., errors='ignore')将字符串格式的日期转为pd.Timestamp，否则无法识别为datetime类型
• 预期输出中第四行取了绝对值，因此代码中加入abs()处理负天数
• np.select比嵌套np.where更清晰，适合多条件场景

内容的提问来源于stack exchange，提问作者Kavya shree