Pandas中使用to_datetime避免生成时间戳并按日期区间分组时出现TypeError问题的解决问询

首先，咱们先揪出报错的直接原因：你在定义掩码的时候，把日期变量date1、date2这些用单引号包起来变成了字符串'date1'，而你的question_date是datetime.date类型，字符串和日期类型当然没法用>=、<比较，这就触发了TypeError。

接下来咱们一步步修正并优化你的代码，完全满足你的需求：

第一步：正确处理日期列，彻底去除时间戳 #

首先要确保日期列是不带时间的纯日期格式，可以这样处理：

import pandas as pd

# 初始化你的DataFrame
df3 = pd.DataFrame(
    [['23.02.2012', '23.02.2012', 'aaa'], 
     ['27.02.2014', '27.02.2014', 'bbb'], 
     ['17.08.2018', '17.08.2018', 'ccc'], 
     ['22.07.2019', '22.07.2019', 'ddd']], 
    columns=['date', 'period', 'text']
)

# 把date列转换为datetime类型后，提取纯日期部分（彻底去掉时间戳）
df3['date'] = pd.to_datetime(df3['date'], errors='coerce').dt.date
# 同步处理question_date列（假设它是从date衍生的）
df3['question_date'] = df3['date']

这里用.dt.date把datetime类型转换成纯日期的datetime.date对象，完全消除了时间戳的干扰。

第二步：修正掩码定义，正确使用日期变量 #

现在定义日期阈值时保持纯日期格式，然后定义掩码时直接用变量名，不要加引号：

# 定义纯日期格式的阈值
date1 = pd.Timestamp('1990-10-14').date()
date2 = pd.Timestamp('1994-11-10').date()
date3 = pd.Timestamp('1999-10-01').date()
date4 = pd.Timestamp('2004-06-13').date()
date5 = pd.Timestamp('2009-08-30').date()
date6 = pd.Timestamp('2014-10-14').date()
date7 = pd.Timestamp('2019-11-26').date()
date8 = pd.Timestamp('2021-09-20').date()

# 正确定义掩码（注意不要给变量加引号！）
mask1 = (df3['question_date'] >= date1) & (df3['question_date'] < date2)
mask2 = (df3['question_date'] >= date2) & (df3['question_date'] < date3)
mask3 = (df3['question_date'] >= date3) & (df3['question_date'] < date4)
mask4 = (df3['question_date'] >= date4) & (df3['question_date'] < date5)
mask5 = (df3['question_date'] >= date5) & (df3['question_date'] < date6)
mask6 = (df3['question_date'] >= date6) & (df3['question_date'] < date7)
mask7 = (df3['question_date'] >= date7) & (df3['question_date'] < date8)

# 为匹配的日期区间赋值时段
df3.loc[mask1, 'leg_per'] = '1990-1994'
df3.loc[mask2, 'leg_per'] = '1994-1999'
df3.loc[mask3, 'leg_per'] = '1999-2004'
df3.loc[mask4, 'leg_per'] = '2004-2009'
df3.loc[mask5, 'leg_per'] = '2009-2014'
df3.loc[mask6, 'leg_per'] = '2014-2019'
df3.loc[mask7, 'leg_per'] = '2019-2021'

现在两边都是datetime.date类型，可以正常比较，不会再触发类型错误。

第三步：更高效的替代方案——使用pd.cut #

如果你的日期区间是连续且有序的，用pd.cut会比手动写多个掩码更简洁，代码量更少也不容易出错：

# 定义区间边界和对应的时段标签
bins = [date1, date2, date3, date4, date5, date6, date7, date8]
labels = ['1990-1994', '1994-1999', '1999-2004', '2004-2009', '2009-2014', '2014-2019', '2019-2021']

# 直接生成leg_per列
df3['leg_per'] = pd.cut(
    pd.to_datetime(df3['question_date']),  # 转换为datetime64类型适配pd.cut
    bins=pd.to_datetime(bins),
    labels=labels,
    include_lowest=True  # 包含左边界
)

这里把datetime.date转换回datetime64[ns]类型（pd.to_datetime自动处理），因为pd.cut更适配pandas的datetime类型，最终结果和手动掩码的方式完全一致，但代码更简洁。

验证结果 #

运行完上面的代码后，你的df3的leg_per列会根据question_date的区间正确赋值：

• 23.02.2012 → 2009-2014
• 27.02.2014 → 2014-2019
• 17.08.2018 → 2014-2019
• 22.07.2019 → 2014-2019

完全符合你的需求，且不会有时间戳的干扰。

内容的提问来源于stack exchange，提问作者id345678