Pandas DataFrame查询动态datetime对象时执行失败的问题排查

错误原因 #

1. df.query()的变量解析限制：query()会将传入的Python原生datetime.date对象转换为字符串表达式（如datetime.date(1980,12,31)），但Pandas的查询环境无法直接识别该类型，会尝试将其当作普通字符串转换为Timestamp，从而触发类型转换错误。
2. 静态查询正常的本质：静态查询时你大概率使用了字符串格式日期或Pandas原生Timestamp类型，这类格式能被query()直接解析，而循环中动态生成的datetime.date与Pandas时间体系不兼容。

解决方法 #

方法1：将datetime.date转为Pandas Timestamp #

循环生成日期时，用pd.Timestamp()包裹原生日期对象，让query()能直接识别：

import pandas as pd
from datetime import date

# 确保日期字段是datetime64类型（若导入时未自动转换）
df['入役日期'] = pd.to_datetime(df['入役日期'])

for year in range(1980, 1986):
    stop_date = pd.Timestamp(date(year, 12, 31))
    active_cruisers = df.query("服役状态 == '现役' and 舰种 == '巡洋舰' and 入役日期 <= @stop_date")
    print(f"{year}年活跃巡洋舰数量：{len(active_cruisers)}")

方法2：使用ISO格式字符串日期 #

将原生日期转为YYYY-MM-DD格式的字符串，Pandas会自动识别并转换为Timestamp：

from datetime import date

df['入役日期'] = pd.to_datetime(df['入役日期'])

for year in range(1980, 1986):
    stop_date_str = date(year, 12, 31).isoformat()
    active_cruisers = df.query("服役状态 == '现役' and 舰种 == '巡洋舰' and 入役日期 <= @stop_date_str")
    print(f"{year}年活跃巡洋舰数量：{len(active_cruisers)}")

方法3：改用布尔索引（避开query()的变量解析问题） #

直接通过布尔条件筛选DataFrame，无需依赖query()的变量转换逻辑，更直观且不易出错：

from datetime import date

df['入役日期'] = pd.to_datetime(df['入役日期'])

for year in range(1980, 1986):
    stop_date = date(year, 12, 31)
    mask = (df['服役状态'] == '现役') & (df['舰种'] == '巡洋舰') & (df['入役日期'] <= stop_date)
    active_cruisers = df[mask]
    print(f"{year}年活跃巡洋舰数量：{len(active_cruisers)}")

关键前置检查 #

在处理前务必确认DataFrame中的日期字段已转为datetime64类型，若Excel导入时是字符串格式，需先执行pd.to_datetime()转换，否则所有时间筛选逻辑都会失效。

内容的提问来源于stack exchange，提问作者Kevin