Pandas转换PurchaseDate为datetime后计算Recency报AttributeError求助

错误核心原因：data['PurchaseDate'].dt.date返回的是Python原生date对象组成的数组（pandas中为object类型），并非pandas的datetime64类型序列，因此无法使用.dt访问器。

推荐高效解决方案 #

直接用pandas时间戳对象计算，避免转换为Python原生date：

import pandas as pd
from datetime import datetime

# 确保PurchaseDate转为datetime64类型，无效日期自动转为NaT
data['PurchaseDate'] = pd.to_datetime(data['PurchaseDate'], errors='coerce')

# 计算Recency：pandas时间戳相减得到Timedelta序列，再提取天数
data['Recency'] = (pd.Timestamp.now() - data['PurchaseDate']).dt.days

小数据集备选方案 #

若需基于Python date对象计算，可使用apply（大数据集效率较低）：

data['Recency'] = data['PurchaseDate'].dt.date.apply(lambda x: (datetime.now().date() - x).days if pd.notna(x) else None)

额外检查步骤 #

转换后确认是否存在无效日期导致的缺失值：

# 查看缺失日期的数量
print(data['PurchaseDate'].isna().sum())

缺失值对应的Recency会显示为NaN，可根据业务需求选择填充（如中位数）或删除对应行。

内容的提问来源于stack exchange，提问作者Anas Kadi