如何让pandas query语句兼容to_datetime与to_timedelta？

问题根源 #

1. query变量引用逻辑错误：DataFrame内部的列名（比如你代码里的quote_date）不需要用@前缀，@是用来引用外部变量的，你错误地用@pd.to_datetime(quote_date)调用列，导致解析逻辑混乱。
2. 复杂时间运算解析冲突：在query表达式里直接嵌套pd.to_datetime和pd.to_timedelta的运算，会让pandas的表达式解析器无法正确处理Timedelta与Timestamp的运算逻辑，触发类型转换错误。

解决步骤 #

核心思路是提前计算筛选阈值，把复杂的时间运算放到query外部完成，再将阈值作为外部变量传入query，避免内部解析冲突。

1. 先确保日期列是datetime类型（如果原始列是字符串格式）：

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

2. 提前计算截止日期阈值（以数据框最新日期为基准，往前推2天）：

cutoff_date = df['date'].max() - pd.to_timedelta('2 days')

3. 使用query完成筛选，直接用列名配合外部阈值变量：

df.query("date <= @cutoff_date")

效果说明 #

这个写法和你最初用布尔索引实现的逻辑完全一致，同时避免了query内部的类型解析错误，代码也更简洁易读。

内容的提问来源于stack exchange，提问作者StatsNoob