Pandas日期做差筛选超30天账户数据报TypeError如何解决

现有如下结构的DataFrame df1：

Acc_id   Acc_name   Acc_end_date
qqq-1    test1      12/31/2021
www-2    test2      05/28/2022
yyy-6    test3      06/15/2022
zzz-6    test4      06/17/2022
kkk-6    test5      03/16/2022

其中Acc_end_date字段存储日期值，需求为筛选出截止今日，Acc_end_date对应日期已过去30天以上的账户ID。
原有实现代码触发两类报错：

1. 第一版代码报错：TypeError: unsupported operand type(s) for -: 'DatetimeArray' and 'list'
2. 调整后代码报错：TypeError: unsupported operand type(s) for -: 'DatetimeArray' and 'datetime.date'

• 第一版错误：代码中np.array(todays_date)没有将转换结果赋值回原变量，实际参与运算的还是Python原生列表，pandas的DatetimeArray不支持直接和list做减法运算；且循环生成重复日期列表的写法完全冗余，pandas原生支持标量广播运算，不需要手动构造等长数组。
• 第二版错误：pd.to_datetime转换后的列是datetime64[ns]时间戳类型，而date.today()返回的是Python原生date对象，二者精度、类型均不匹配，无法直接运算；同时代码中引用了未定义的only_inactive变量，也会触发额外错误。
• 逻辑错误：原有代码写反了日期运算的减数、被减数顺序，且日期做差得到的是Timedelta类型，直接和整数30比较存在类型兼容问题，就算类型匹配也会得到全为False的筛选结果。

不需要循环构造日期数组，直接使用pandas兼容的时间类型做运算即可，完整代码如下：

import pandas as pd

# 转换列为datetime类型，显式指定日期格式避免解析错误，如果是两位年份把%Y改成%y即可
df1['Acc_end_date'] = pd.to_datetime(df1['Acc_end_date'], format='%m/%d/%Y')

# 获取和列类型兼容的当日日期，normalize()将时间重置为当日0点，避免时分秒带来的计算误差
today = pd.Timestamp.today().normalize()

# 计算日期间隔天数，筛选已过期超过30天的记录
df2 = df1[(today - df1['Acc_end_date']).dt.days > 30]

关键注意点：

• 调用pd.to_datetime时显式传入format参数，既可以避免pandas自动解析时出现月、日颠倒的错误，也能大幅提升大数据集下的转换效率。
• 用pd.Timestamp.today()替代原生date.today()，返回值类型和DataFrame中datetime列完全匹配，不需要额外做类型转换。
• 日期做差后通过.dt.days取出间隔的天数值，再和30做数值比较，规避Timedelta类型和整数直接比较的兼容问题。
• 运算顺序为「今日日期 - 账户结束日期」，得到的是账户结束日期距离今日过去的天数，符合筛选逻辑。

内容的提问来源于stack exchange，提问作者user13024918