如何用Pandas计算DataFrame两日期列间的工作日天数？

你可以使用**numpy的np.busday_count**实现向量化计算，不需要遍历DataFrame，这是处理批量日期工作日差的高效方法。

核心代码 #

假设你的DataFrame两列日期字段为date和date2，且已经是datetime格式，直接执行：

import numpy as np
import pandas as pd

df['Bus_days'] = np.busday_count(
    df['date'].values.astype('datetime64[D]'),
    df['date2'].values.astype('datetime64[D]')
)

为什么你之前的方法失效？ #

• [df['date'], df['date2']].asfreq(BDay()).count()：列表没有asfreq方法，且asfreq是用于调整时间序列频率的，不适合计算日期差。
• pd.bdate_range(df['date'], df['date2']).count()：pd.bdate_range仅接受单个日期作为起止参数，无法直接处理Series类型的批量日期。
• len(pd.date_range(start=df['date'],end=df['date2'],freq='B'))：同上，date_range不支持Series作为起止输入，只能处理单个值。
• ((df['date'] - df['date2'])).count()：这个方法是统计非空值的数量，完全不是计算工作日差。

扩展：自定义节假日排除 #

如果需要排除特定节假日，可以给np.busday_count传入holidays参数：

# 定义节假日列表，格式为datetime64[D]
custom_holidays = np.array(['2023-03-10', '2023-05-01'], dtype='datetime64[D]')

df['Bus_days'] = np.busday_count(
    df['date'].values.astype('datetime64[D]'),
    df['date2'].values.astype('datetime64[D]'),
    holidays=custom_holidays
)

内容的提问来源于stack exchange，提问作者IamaNOOB