如何在Pandas DataFrame中创建计算不同数据类型日期列天数差的新列

当然有办法实现你的需求！核心是先统一日期类型，再按日期维度计算间隔天数（忽略具体时间），具体步骤如下：

步骤1：把as_of_date转换为datetime类型 #

因为当前as_of_date是object（字符串）类型，无法直接和sales_date（datetime类型）做日期运算，所以第一步先转换类型：

df['as_of_date'] = pd.to_datetime(df['as_of_date'])

步骤2：计算日期差值生成days列 #

你的需求是只看日期间隔（比如6月29日和6月27日不管时间差多少都算2天），所以我们需要先把两个日期的时间部分去掉，再计算天数差：

# 方法1：提取日期部分后计算差值
df['days'] = (df['as_of_date'].dt.date - df['sales_date'].dt.date).apply(lambda x: x.days)

# 方法2：用floor归一化到当天0点后计算（更简洁的pandas风格写法）
df['days'] = (df['as_of_date'].dt.floor('D') - df['sales_date'].dt.floor('D')).dt.days

最终结果验证 #

执行完上述代码后，你的DataFrame会变成你预期的样子：

补充说明 #

如果直接用df['as_of_date'] - df['sales_date']，得到的是包含小时分钟的完整时间差（比如第一行是1 days 07:53:05），取dt.days会得到1，但这不符合你的需求——所以必须先忽略时间部分，只按日期维度计算间隔。

内容的提问来源于stack exchange，提问作者user032020