Python筛选90天内记录：日期差值计算与类型转换问题

需求 #

基于已有的datetime格式日期列（含25000+行数据）新增一列，计算该列日期与当日日期的天数差，同时筛选出天数差≤90的记录。

示例输入数据 #

id     date        
 1     2022-3-17
 2     2021-12-12
 3     2023-1-13

期望输出结果 #

id      date          days
 1      2022-3-17     347
 2      2021-12-12    442
 3      2023-1-13     45

遇到的问题 #

执行以下代码将当日日期转为datetime类型时，结果显示为时间戳：

today = date.today()
today = pd.to_datetime(today)

解决方案 #

1. 正确获取当日datetime（避免显示异常） #

date.today()返回的是datetime.date类型，直接用pd.Timestamp.today().normalize()能获取不带时分秒的当日datetime，既保证类型正确，也能避免时间戳样式的显示问题：

import pandas as pd
from datetime import date

# 获取仅含日期部分的当日datetime（无时分秒）
today = pd.Timestamp.today().normalize()

2. 计算天数差并筛选记录 #

假设你的数据框名为df，且date列已为datetime格式，执行以下代码即可完成需求：

# 计算当日与date列的天数差（结果为正整数）
df['days'] = (today - df['date']).dt.days

# 筛选出天数差≤90的记录
filtered_df = df[df['days'] <= 90]

关于时间戳显示的说明 #

实际上pd.to_datetime(date.today())返回的是datetime64类型，并非真的时间戳，只是部分环境下的默认显示问题。可以通过print(type(today))确认数据类型，若要强制显示为日期格式，可设置：

pd.set_option('display.max_columns', None)

内容的提问来源于stack exchange，提问作者That_non_coder