Python中将Object类型转为datetime及计算日期差求年数

1. 转换birth_date列 #

birth_date是日/月/年格式（如22/7/1998），用pd.to_datetime()指定格式精准转换：

import pandas as pd

df['birth_date'] = pd.to_datetime(df['birth_date'], format='%d/%m/%Y')

2. 转换consultation_timestamp列 #

该列是带时区的ISO格式（如2017-09-27t13:47+00:00），pd.to_datetime()可直接识别，若需统一时区（比如移除时区信息避免后续冲突），可额外处理：

df['consultation_timestamp'] = pd.to_datetime(df['consultation_timestamp'])
# 可选：转UTC后移除时区
df['consultation_timestamp'] = df['consultation_timestamp'].dt.tz_convert(None)

3. 计算年数差 #

直接相减得到天数，用relativedelta能精确计算周岁差：
先安装依赖（未安装时执行）：

pip install python-dateutil

然后计算：

from dateutil.relativedelta import relativedelta

# 逐行计算年数差
df['age_at_consult'] = df.apply(
    lambda row: relativedelta(row['consultation_timestamp'], row['birth_date']).years,
    axis=1
)

如果不想用额外依赖，也可以用向量操作实现：

# 提取日期组件
birth_ymd = df['birth_date'].dt
consult_ymd = df['consultation_timestamp'].dt

# 基础年数差
age = consult_ymd.year - birth_ymd.year
# 修正未过生日的情况
mask = (consult_ymd.month < birth_ymd.month) | \
       ((consult_ymd.month == birth_ymd.month) & (consult_ymd.day < birth_ymd.day))
age[mask] -= 1

df['age_at_consult'] = age

注意事项 #

• 不要用pd.datetime，该API已被弃用，官方推荐使用pd.to_datetime()。
• 指定format参数不仅能提升转换效率，还能避免格式歧义（比如10/9/2023可能被误判为月/日/年）。
• 若两个日期时区不同，必须先统一时区再计算，否则会抛出错误。

内容的提问来源于stack exchange，提问作者abmcdonald