Pandas中条件日期月差计算的Lambda函数报错排查与解决

报错原因分析 #

第一种写法错误 #

df["end_date"].apply()针对单个元素执行lambda，但你在lambda中引用了整个df["start_date"]列，导致每次返回完整的Series（长度与DataFrame行数一致），而非单个数值。apply要求每个lambda调用返回单个值，最终结果长度与原列不匹配，因此抛出ValueError: Columns must be same length as key。

第二种写法错误 #

df.apply()默认axis=0，表示对列而非行执行函数，此时lambda中的x代表一列（Series），而非单行数据。x["end_date"]试图在列中查找名为"end_date"的元素，自然找不到，抛出KeyError: 'end_date'。此外，即便修正axis=1，用x["end_date"] is not None判断缺失值也不准确——pandas日期列的缺失值是NaT，而非Python原生None，该判断会失效。

正确实现方案 #

方案1：向量化操作（推荐，效率更高） #

使用np.where实现向量化条件判断，这是pandas处理此类逻辑的最优方式，避免循环/apply带来的性能损耗：

import pandas as pd
import numpy as np
from datetime import date

# 初始化DataFrame
df = pd.DataFrame({
    "column": ["other", "value", "value", "other", "value"],
    "created": ["2022-04-19 7:09", "2022-03-16 0:58", "2021-12-10 0:36", "2022-01-29 18:47", "2022-01-21 10:14"]
})

# 先将created转为datetime类型（原代码缺失此步骤，会导致dt.date报错）
df["created"] = pd.to_datetime(df["created"])
df["start_date"] = df["created"].dt.date.astype("datetime64[ns]")

# 优化end_date创建（移除多余循环，直接生成datetime类型）
df["end_date"] = df["column"].apply(lambda x: pd.Timestamp(date.today()) if x == "value" else pd.NaT)

# 计算duration列
today = np.datetime64("today")
df["duration"] = np.where(
    df["end_date"].notna(),
    ((df["end_date"] - df["start_date"]) / np.timedelta64(1, "M")).round(1),
    ((today - df["start_date"]) / np.timedelta64(1, "M")).round(1)
)

方案2：修正apply写法（仅作演示，不推荐大数据集） #

若坚持使用apply，需指定axis=1按行处理，同时用pd.notna()正确判断日期缺失值：

df["duration"] = df.apply(
    lambda row: ((row["end_date"] - row["start_date"]) / np.timedelta64(1, "M")).round(1)
    if pd.notna(row["end_date"])
    else ((np.datetime64("today") - row["start_date"]) / np.timedelta64(1, "M")).round(1),
    axis=1  # 关键参数：指定按行处理
)

内容的提问来源于stack exchange，提问作者JoMcGee