Pandas 1.5.3与2.0.3日期算术运算结果差异咨询

问题重现 #

你的代码在两个Pandas版本中输出结果存在明显差异：

• Pandas 1.5.3输出：11.992
• Pandas 2.0.3输出：11.774

示例代码：

import pandas as pd
import numpy as np

date1 = pd.to_datetime('2022-07-25')
date2 = pd.to_datetime('2023-07-25')

diff = (date2-date1)/np.timedelta64(1, 'M')

print(diff)

差异核心原因 #

这个差异源于Pandas 2.0+调整了Timedelta与numpy timedelta64('M')的除法运算逻辑：

1. Pandas 1.5.x的处理逻辑
   Pandas会自行处理该除法运算：将Timedelta的总天数除以平均每月天数（365.25/12≈30.4375天）。你的示例中两个日期差365天，计算为 365 / 30.4375 ≈ 11.992，与输出结果一致。

2. Pandas 2.0.x的处理逻辑
   Pandas不再自行计算，而是将Timedelta转换为numpy的timedelta64[ns]对象，完全委托numpy执行除法。而numpy对timedelta64('M')的处理依赖其内部对“月”的近似定义，若你的环境中numpy将月近似为31天，就会得到365 / 31 ≈ 11.774的结果。

该变化属于Pandas底层与numpy交互逻辑的细节调整，未在官方发布说明中单独强调，因为它不属于公开API的变更，而是内部实现的优化。

更可靠的月份差值计算方式 #

由于“月”是可变长度的时间单位，用固定天数近似计算必然存在误差，推荐使用Pandas内置的日历月份差计算方法：

# 计算精准的日历月份差
diff_months = (date2.year - date1.year) * 12 + (date2.month - date1.month)
print(diff_months)  # 输出12，符合预期

内容的提问来源于stack exchange，提问作者gmartinez