如何编写函数处理多格式日期区间，计算任务所需年/月数？

问题背景 #

现有如下DataFrame数据，Task_1列包含多种格式的任务起止日期区间，需要计算每个任务的耗时月数：

import pandas as pd

df_1 = pd.DataFrame({
    'Name': ['Robert', 'billy', 'stuart'],
    'Task_1': ["'Nov 2022 - Dec 2022'", "'06/2021 - 06/2022'", "'NOV 2022 - 2022'"]
})

预期输出：

原函数未达预期的核心问题：

• 硬编码日期格式'%B %Y to %B %Y'，无法匹配数据中的月/年、月年 - 年等格式，直接触发解析错误。
• 用timedelta(days=365)计算时长，忽略了闰年、不同月份天数差异，结果不准确，且无法直接得到月数。

解决方案 #

步骤1：编写通用日期处理函数 #

实现自动识别多格式日期，对仅含年份的日期默认补全为当年1月1日，再精准计算月份差：

def calculate_months(date_str):
    # 去除字符串首尾单引号，拆分起止日期
    date_str = date_str.strip("'")
    start_str, end_str = [s.strip() for s in date_str.split('-')]
    
    # 通用日期解析：自动识别格式，补全年份型日期的月日
    def parse_single_date(s):
        try:
            return pd.to_datetime(s, infer_datetime_format=True)
        except ValueError:
            # 处理仅年份的情况，如"2022"转为2022-01-01
            return pd.to_datetime(f'01/01/{s}')
    
    start_date = parse_single_date(start_str)
    end_date = parse_single_date(end_str)
    
    # 计算精确月份差：年差*12 + 月差
    months_diff = (end_date.year - start_date.year) * 12 + (end_date.month - start_date.month)
    return f"{months_diff} months"

步骤2：应用函数到DataFrame #

df_1['Time Required'] = df_1['Task_1'].apply(calculate_months)

# 查看结果
print(df_1)

运行结果 #

Name                  Task_1 Time Required
0  Robert  'Nov 2022 - Dec 2022'       1 months
1   billy   '06/2021 - 06/2022'     12 months
2  stuart     'NOV 2022 - 2022'     12 months

内容的提问来源于stack exchange，提问作者Romi