如何将DataFrame的日期列与到期日行转为datetime类型？

1. 转换Date列与到期日行至datetime类型 #

根据你的DataFrame结构（首行是债券名称，最左列是Date，索引0行为到期日），可以按以下步骤同时转换两类日期：

处理到期日行（索引0行）

提取到期日所在行（排除Date列，因为该列首行是"Maturity Date"字符串），将其转换为datetime类型：

import pandas as pd

# 提取到期日数据并转换为datetime
maturity_dates = test.iloc[0, 1:].apply(pd.to_datetime)

处理Date列

将Date列中除首行外的实际日期转换为datetime类型，同时保留首行的"Maturity Date"标识：

# 转换Date列的实际日期（跳过首行）
test.loc[1:, 'Date'] = pd.to_datetime(test.loc[1:, 'Date'])
# 若直接转换整列导致首行变成NaT，可手动恢复标识
# test.loc[0, 'Date'] = "Maturity Date"

2. 计算债券存续期 #

利用转换后的到期日与Date列日期相减，得到各日期下的债券剩余存续时间（结果为Timedelta类型，可按需转换为天数/月数）：

方法1：新增列存储存续期

遍历每个债券列，计算并新增对应存续期列：

for bond_col in test.columns[1:]:
    # 计算存续期：到期日 - 当前日期
    test.loc[1:, f'{bond_col}_remaining'] = maturity_dates[bond_col] - test.loc[1:, 'Date']

方法2：批量生成存续期DataFrame

通过广播运算批量计算，效率更高（适合数据量较大的场景）：

# 提取有效日期序列
date_series = test.loc[1:, 'Date'].reset_index(drop=True)
# 广播计算所有债券的存续期
remaining_periods = maturity_dates - date_series[:, None]
# 转换为DataFrame并添加到原表
remaining_df = pd.DataFrame(
    remaining_periods.values,
    columns=[f'{col}_remaining' for col in maturity_dates.index],
    index=test.loc[1:].index
)
test = pd.concat([test, remaining_df], axis=1)

补充说明 #

• 如果到期日行包含无效日期字符串，可在pd.to_datetime中添加errors='coerce'参数，将无效值转为NaT，避免报错。
• 若需要将存续期转换为天数，可对结果调用.dt.days属性，例如test[f'{bond_col}_remaining'].dt.days。

内容的提问来源于stack exchange，提问作者Jannjann