如何为Pandas DataFrame计算营销活动启动后天数列并处理异常？

问题背景 #

DataFrame（df）中每行对应营销活动的单日数据，其中：

• b列（datetime64[ns]类型）：数据点对应的日期
• c列（datetime64[ns]类型）：营销活动的启动日期

需求：

• 当b列日期早于c列时，返回np.NaN或类似空值
• 否则返回两日期间的天数差（整数）

示例数据：

遇到的问题：

1. 直接执行df['Days Since Launch'] = df['Date'] - df['Launch Date']时，日期差会返回正值（即使Date早于Launch Date），导致数据重复错误
2. 使用np.where时，因类型不匹配无法直接填入np.NaN；普通if语句会因"Series的真值不明确"报错

解决方案 #

方法1：先转整数天数再替换空值 #

先将日期差转为整数天数，再用条件判断替换不符合要求的值，这样就能和np.nan兼容：

# 计算日期差并提取天数（转为整数）
df['Days Since Launch'] = (df['b'] - df['c']).dt.days
# 将Date早于Launch Date的行设为NaN
df['Days Since Launch'] = df['Days Since Launch'].mask(df['b'] < df['c'])

也可以用np.where一步完成：

df['Days Since Launch'] = np.where(df['b'] >= df['c'], (df['b'] - df['c']).dt.days, np.nan)

方法2：保留timedelta类型用pd.NaT #

如果需要保留时间差的原始类型（而非纯整数），可以用pandas专为时间类型设计的空值pd.NaT，它和timedelta64类型完全匹配：

df['Days Since Launch'] = (df['b'] - df['c']).where(df['b'] >= df['c'], pd.NaT)

方法3：逐行处理（适合复杂逻辑） #

如果需要更灵活的自定义逻辑，可使用apply逐行计算（适合小数据集）：

import numpy as np

def calculate_days(row):
    if row['b'] < row['c']:
        return np.nan
    else:
        return (row['b'] - row['c']).days

df['Days Since Launch'] = df.apply(calculate_days, axis=1)

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