使用np.vectorize调用relativedelta报错，如何解决？是否改用apply/循环？

你遇到的TypeError是因为np.vectorize传递给relativedelta的是numpy的datetime64[ns]类型对象，而relativedelta只接受Python原生的datetime.date或datetime.datetime对象。下面是几种可行的解决方式：

方法一：使用apply逐行处理 #

直接用apply遍历每一行，将列中的datetime64对象传入relativedelta：

import dateutil.relativedelta as relativedelta
import pandas as pd

# 假设df是你的目标DataFrame
df['delta'] = df.apply(lambda row: relativedelta.relativedelta(row['d1'], row['d2']), axis=1)

axis=1指定按行处理，此时每一行的d1和d2会自动转为Python原生datetime对象，relativedelta可以正常计算。

方法二：先转原生datetime再用列表推导式 #

先把pandas的日期列转为Python原生datetime列表，再用列表推导式批量计算：

# 将datetime64列转为原生datetime对象列表
d1_py = df['d1'].dt.to_pydatetime()
d2_py = df['d2'].dt.to_pydatetime()

# 批量计算日期差值
df['delta'] = [relativedelta.relativedelta(a, b) for a, b in zip(d1_py, d2_py)]

这种方式避免了apply的额外封装开销，在数据量较大时性能略优。

方法三：提取具体差值分量（若不需要完整relativedelta对象） #

如果只需要年、月、日这类具体的差值数值，可以基于relativedelta拆分提取：

def extract_date_diff(row):
    delta = relativedelta.relativedelta(row['d1'], row['d2'])
    return pd.Series([delta.years, delta.months, delta.days], index=['years', 'months', 'days'])

# 生成多列差值结果
df[['years', 'months', 'days']] = df.apply(extract_date_diff, axis=1)

关于apply和for循环的选择 #

• apply是封装后的循环，代码更简洁，适合快速实现需求；
• 手动for循环和列表推导式逻辑更直观，数据量极小时差异不大，数据量大时列表推导式通常比apply略快。

内容的提问来源于stack exchange，提问作者Tim