使用Pandas计算DataFrame中日期到指定日期的天数差

没问题，这事儿好办！我来一步步帮你实现给DataFrame新增age_in_days列的需求：

• 第一步：确保日期列是datetime类型
  原始数据里的open_date大概率是字符串格式，得先转换成pandas能识别的datetime类型，不然没法计算天数差：

  import pandas as pd
  
  # 构造你的DataFrame
  data = {
      'ID': [1, 1, 1, 1],
      'open_date': ['2020-06-03', '2020-06-23', '2019-06-29', '2018-06-29'],
      'limit': [100, 500, 300, 400]
  }
  df = pd.DataFrame(data)
  
  # 转换open_date为datetime类型
  df['open_date'] = pd.to_datetime(df['open_date'])
  

• 第二步：定义目标日期并计算天数差
  把你指定的2020-06-30转换成datetime对象，然后用它减去每行的open_date，最后提取天数属性生成新列：

  # 设定目标日期
  target_date = pd.to_datetime('2020-06-30')
  
  # 计算天数差并新增列
  df['age_in_days'] = (target_date - df['open_date']).dt.days
  

• 第三步：查看结果
  运行完上面的代码后，打印df就能得到你想要的输出：

  print(df)
  

  输出结果：

  ID  open_date  limit  age_in_days
  0   1 2020-06-03    100           27
  1   1 2020-06-23    500            7
  2   1 2019-06-29    300          367
  3   1 2018-06-29    400          732
  

小提示 #

如果你的open_date列本来就是datetime类型，那第一步的转换可以跳过，但加上转换步骤能避免因格式问题导致的报错，更稳妥。

内容的提问来源于stack exchange，提问作者Danish