使用Lambda与Apply计算日期月份差遇属性错误求助

遇到的错误 #

AttributeError: 'datetime.date' object has no attribute 'dt'

你的日期转换代码 #

df['date1'] = pd.to_datetime(df['date1'], errors='ignore', infer_datetime_format=True)
df['date2'] = pd.to_datetime(df['date2'], errors='ignore', infer_datetime_format=True)

两段尝试代码 #

df['Duration (Months)'] = df.apply(lambda x: x["Date1"].dt.to_period('M').astype(int) - x["Date2"].dt.to_period('M').astype(int), axis=1)

df['Duration (Months)'] = df['date1'].dt.to_period('M').astype(int) - df['date2'].dt.to_period('M').astype(int)

问题根源 #

1. errors='ignore'导致类型不统一
   pd.to_datetime加了errors='ignore'后，一旦遇到无法转换的日期格式，会直接保留原数据类型（比如Python原生的datetime.date对象），而只有pandas的datetime64类型Series才能用.dt访问器，原生datetime.date对象没有这个属性，所以报错。

2. 第一段代码的额外问题
   列名大小写不匹配：你定义的列是date1/date2，但lambda里写的是Date1/Date2，会触发KeyError；同时apply(axis=1)时，x["date1"]是单个日期对象，不能用.dt访问器（.dt是给整个Series用的）。

修复方案 #

方案1：高效的Series级处理（推荐）

先修正日期转换逻辑，用errors='coerce'替代errors='ignore'，转换失败的会变成NaT（方便后续处理），确保列是datetime64类型：

# 重新转换日期，确保类型统一
df['date1'] = pd.to_datetime(df['date1'], infer_datetime_format=True, errors='coerce')
df['date2'] = pd.to_datetime(df['date2'], infer_datetime_format=True, errors='coerce')

# 直接用Series的.dt访问器计算月份差
df['Duration (Months)'] = df['date1'].dt.to_period('M').astype(int) - df['date2'].dt.to_period('M').astype(int)

方案2：用apply的正确写法（不推荐，效率低）

如果一定要用apply，单个日期对象直接调用to_period方法，同时修正列名大小写：

df['date1'] = pd.to_datetime(df['date1'], infer_datetime_format=True, errors='coerce')
df['date2'] = pd.to_datetime(df['date2'], infer_datetime_format=True, errors='coerce')

df['Duration (Months)'] = df.apply(lambda x: x['date1'].to_period('M').astype(int) - x['date2'].to_period('M').astype(int), axis=1)

内容的提问来源于stack exchange，提问作者Mike Mann