Pandas eval执行日期算术时报错：无法将Timedelta转为Timestamp

1. eval()日期算术报错的原因 #

这是pandas 1.5.x版本eval()的固有限制，不是操作错误。

• 直接执行df.date + pd.Timedelta('1D')时，pandas会调用Series与Timedelta的原生加法逻辑，自动适配Timestamp和Timedelta的运算规则，返回正确的Timestamp序列。
• 但eval()依赖的numexpr解析器在1.5.2版本中对pandas时间类型的支持不完善，它无法正确识别Timedelta与Timestamp列的运算逻辑，错误地尝试把Timedelta转换成Timestamp，最终抛出类型转换异常。

2. local_dict传pd无效的问题 #

这也是pandas 1.5.x版本eval()的设计细节：

• local_dict参数主要用于传递自定义变量，而非模块对象。表达式解析逻辑不会从local_dict中解析模块（比如pd），所以即便传入{'pd': pd}，写pd.Timedelta还是会报错。
• @前缀是eval()专门用来引用当前作用域变量的语法，它会直接读取全局/局部环境中的pd模块，所以@pd.Timedelta能被识别，但还是绕不开第一个问题里的运算类型限制。

可行解决办法 #

针对你的场景，有几种替代方案：

• 方案一：用assign配合lambda（推荐）
  完全避开eval()的限制，直接用原生pandas操作：

  df.assign(date_plus_1d=lambda x: x.date + pd.Timedelta('1D'))
  

• 方案二：提前定义Timedelta变量再传入eval()
  如果一定要用eval()，先把Timedelta实例化为变量，再用@传入：

  delta = pd.Timedelta('1D')
  df.eval("date + @delta")
  

  这种方式既绕开了模块属性解析的问题，又能让eval()正确识别Series与Timedelta对象的加法逻辑。
• 方案三：升级pandas到2.0+
  pandas 2.0及以上版本已经优化了eval()对时间类型的支持，升级后直接运行df.eval("date + @pd.Timedelta('1D')")就能正常工作。

内容的提问来源于stack exchange，提问作者gherka