基于工作日差值（含周末节假日）过滤Pandas DataFrame行

步骤1：确保日期字段为datetime类型 #

如果你的DATE1和DATE2还不是datetime格式，先完成转换：

import pandas as pd

df['DATE1'] = pd.to_datetime(df['DATE1'])
df['DATE2'] = pd.to_datetime(df['DATE2'])

步骤2：定义节假日列表 #

指定需要排除的节假日：

# 加入题目要求的2023年10月17日，可按需添加其他节假日
holidays = pd.to_datetime(['2023-10-17'])

步骤3：批量计算工作日差值 #

用pd.busday_count批量处理每行的日期对，同时处理DATE1晚于DATE2的情况：

# 计算每行的工作日差值（取绝对值保证结果为正）
df['workday_diff'] = df.apply(
    lambda row: pd.busday_count(
        min(row['DATE1'], row['DATE2']),
        max(row['DATE1'], row['DATE2']),
        holidays=holidays
    ),
    axis=1
)

注意：pd.busday_count是左闭右开逻辑，比如从周一到周三（无节假日），结果为2（仅统计周二、周三）。如果需要包含起始/结束日期，可在结果基础上加1。

步骤4：过滤并拆分DataFrame #

提取符合条件的行到新表，同时从原表移除这些行：

# 筛选出工作日差超过2天的行
filtered_df = df[df['workday_diff'] > 2].copy()
# 原表保留剩余行
df = df[~(df['workday_diff'] > 2)].copy()

# 可选：删除临时计算的差值列
filtered_df.drop('workday_diff', axis=1, inplace=True)
df.drop('workday_diff', axis=1, inplace=True)

补充说明 #

• 若你的数据中DATE1始终早于或等于DATE2，可以去掉min和max，直接用row['DATE1'], row['DATE2']计算。
• 需要新增节假日时，直接在holidays列表中补充日期字符串即可。

内容的提问来源于stack exchange，提问作者Gustavo