DataFrame月份列加指定月数后与当前日历月比较报错的解决方法

核心问题 #

错误根源是日期类型不统一：scheduled_month是numpy.datetime64类型数组，而current_month是字符串转成的数组，二者无法直接比较；同时直接用numpy数组处理日期容易引发类型兼容问题。

修正后的代码（推荐用pandas原生日期工具） #

import pandas as pd
from io import StringIO
from datetime import datetime

csvfile = StringIO(
"""Name Year - Month    Score
Mike    2022-11 31
Mike    2022-09 136
""")
df = pd.read_csv(csvfile, sep='\t', engine='python')

d_name_plus_month = {"Mike":2}

# 转换第一行日期为pandas Timestamp类型，保持日期类型统一
month_of_first_row = pd.to_datetime(df.iloc[0]['Year - Month'])

plus_months = d_name_plus_month['Mike']

# 用DateOffset添加月份，自动处理跨年月的天数差异
scheduled_month = month_of_first_row + pd.DateOffset(months=plus_months)

# 将当前日历月转为当月第一天的Timestamp
current_month = pd.to_datetime(datetime.now().strftime("%Y-%m-01"))

# 直接比较两个Timestamp对象
print(scheduled_month <= current_month)

关键修正点 #

• 统一日期类型：全程使用pandas的Timestamp处理日期，避免混用numpy数组和字符串
• 正确添加月份：pd.DateOffset(months=...)能自动适配不同月份的天数（比如1月加1个月自动转为2月，不受28/29天影响）
• 标准化当前月份：转为当月第一天的Timestamp，确保和计算出的scheduled_month格式一致，比较逻辑更准确

备选方案（兼容numpy写法） #

如果坚持用numpy的datetime64类型，需将当前月份也转为同类型：

import pandas as pd
from io import StringIO
import numpy as np
from datetime import datetime

csvfile = StringIO(
"""Name Year - Month    Score
Mike    2022-11 31
Mike    2022-09 136
""")
df = pd.read_csv(csvfile, sep='\t', engine='python')

d_name_plus_month = {"Mike":2}

month_of_first_row = pd.to_datetime(df.iloc[[0]]['Year - Month']).values.astype("datetime64[M]")
plus_months = d_name_plus_month['Mike']
scheduled_month = month_of_first_row + np.timedelta64(plus_months, 'M')

# 将当前月份转为datetime64[M]类型，与scheduled_month类型统一
current_month = np.datetime64(datetime.now().strftime("%Y-%m"), 'M')

# 现在可直接比较
print(scheduled_month <= current_month)

内容的提问来源于stack exchange，提问作者Mark K