为何pandas.date减去pandas.timedelta无法实现向量化运算？

核心现象 #

在Pandas 2.2环境下，通过dt.date提取的Python原生date对象列与timedelta做减法时，会触发PerformanceWarning；但直接用Pandas原生datetime64[ns]类型列与timedelta运算则无此警告。

原因解析 #

• Pandas对原生datetime64[ns]类型的时间运算做了完全向量化优化，底层基于C实现，运算效率极高。
• date是Python标准库的原生对象，不属于Pandas的向量化类型体系。对这类列做运算时，Pandas无法执行批量向量化操作，只能逐行调用Python对象的方法（本质是隐式循环），因此会触发性能警告，提示该操作效率低下。

针对你的疑问解答 #

1. 你没有忽略关键细节——要确保加减timedelta时是向量化操作，确实需要使用Pandas原生的datetime64[ns]类型，而非Python的date对象列。
2. 你写的week2运算确实是向量化的：核心减法操作在datetime64[ns]类型上完成（完全向量化），最后提取date只是格式转换，性能损耗可忽略。

优化建议 #

• 尽量保持时间数据为datetime64[ns]类型完成所有时间运算，仅在最终需要展示或存储纯日期格式时，再通过dt.date提取。
• 如果必须基于已有的date列做时间运算，可先将其转回datetime64[ns]类型再操作，示例如下：

  # 将date列转回datetime类型后再做减法
  df["week_optimized"] = pd.to_datetime(df["day"]) - df["n"]
  df["week_optimized"] = df["week_optimized"].dt.date
  

你的代码示例 #

import pandas as pd

s1 = pd.DataFrame({"year": [2015, 2016], "month": [2, 3], "day": [4, 5]})
s1 = pd.to_datetime(s1)

df = pd.DataFrame(s1)
df = df.rename(columns={0: "t1", 1: "t2"})
df["day"] = df["t1"].dt.date
df["n"] = pd.to_timedelta(df["t1"].dt.day_of_week)

# 触发非向量化警告
df["week"] = df["day"] - df["n"]

# 无警告，核心运算为向量化
df["week2"] = df["t1"] - df["n"]
df["week2"] = df["week2"].dt.date

print(df[["week", "week2"]])

内容的提问来源于stack exchange，提问作者MinaMirz