如何在Pandas中高效计算日期间隔天数，规避Series无days属性错误？

安全阿岳

2026-7-25

Pandas高效计算日期间隔天数解决方案

你遇到的问题本质是：第一段代码生成的是Timedelta类型的Series，.days是单个Timedelta对象的属性，不能直接在Series上调用，因此报错。

以下是两种无需使用apply的高效解决方案：

直接使用Pandas内置的dt.days属性（推荐，最简洁高效）
```
pre_start['exposure_days'] = (datetime.now() - pd.to_datetime(pre_start['First_Receive_Date'])).dt.days
```
这是Pandas专为TimedeltaSeries设计的向量化操作，底层通过C实现，处理大数据量时性能远优于逐行遍历的apply。
基于总秒数转换计算（适用于需要保留小数天数的场景）
```
pre_start['exposure_days'] = (datetime.now() - pd.to_datetime(pre_start['First_Receive_Date'])).total_seconds() / (24 * 3600)
```
通过将时间间隔转换为总秒数，再除以一天的秒数（24*3600），得到包含小数的天数结果。