基于Pandas的DOB列新增Age列时触发TypeError错误的排查

错误原因分析 #

你遇到的TypeError: Invalid dtype object for __floordiv__报错主要有两个核心原因：

1. DOB列数据类型不匹配：原始DOB列是字符串格式（如31.07.1983），而非datetime类型，无法直接执行时间运算。
2. 运算逻辑顺序错误：代码中直接对users_pd["DOB"]与timedelta做除法是错误的，正确逻辑应为先计算当前日期与DOB的时间差，再用该差值除以年对应的timedelta。

解决方案 #

步骤1：将DOB列转换为datetime类型 #

首先需要把字符串格式的日期转为pandas可识别的datetime类型：

import pandas as pd
# 转换DOB列，指定日期格式为「日.月.年」
users_pd['DOB'] = pd.to_datetime(users_pd['DOB'], format='%d.%m.%Y')

步骤2：计算客户年龄（两种可选方法） #

方法一：精确计算（考虑当年生日是否已过）

这种方法会根据当前日期判断客户当年生日是否已过，得到最准确的年龄：

today = pd.Timestamp.today()
# 先计算年份差
users_pd['Age'] = today.year - users_pd['DOB'].dt.year
# 筛选出当年生日未过的用户，年龄减1
mask = (today.month < users_pd['DOB'].dt.month) | ((today.month == users_pd['DOB'].dt.month) & (today.day < users_pd['DOB'].dt.day))
users_pd['Age'] -= mask.astype(int)

方法二：近似计算（基于总天数除以平均年天数）

如果不需要严格考虑生日是否已过，可以用时间差除以平均年天数（365.2425，适配闰年）：

today = pd.Timestamp.today()
users_pd['Age'] = (today - users_pd['DOB']) // pd.Timedelta(days=365.2425)

内容的提问来源于stack exchange，提问作者CeePee