pandas DataFrame计算日期与今日差值结果异常问题求解

你的计算结果异常是因为日期解析逻辑完全错误：

• 你通过字符串拆分只提取了日期中的月份数字（比如2018/5/21拆分后取到的是整数5），丢弃了年、日信息
• 当你把单独的整数传入pd.to_datetime()时，pandas会默认将整数解析为Unix时间戳，基准时间是1970-01-01，转出来的时间全是1970年1月的极早期时间点，和当前日期做差自然会得到-19000余天的错误结果。

不要拆分日期字符串单独取月份，先把完整的日期列整体解析为datetime类型，再做差值计算：

import pandas as pd

# 完整解析日期列，指定格式提升解析效率、避免歧义
df_transactions['date_parsed'] = pd.to_datetime(df_transactions['date'], format='%Y/%m/%d')

# 计算与当日0点的时间差（normalize()会把当前时间的时分秒置为0）
time_difference = df_transactions['date_parsed'] - pd.Timestamp.now().normalize()

# 如果需要提取月份字段，在解析完成的日期列上直接取属性即可，无需拆分字符串
df_transactions['month'] = df_transactions['date_parsed'].dt.month

print(time_difference)

额外说明 #

• 如果需要拿到时间差对应的整数天数，可以直接调用.dt.days属性：diff_in_days = time_difference.dt.days
• 如果需要计算间隔整月数，不要直接对月份数字做减法，要基于解析后的完整日期，通过年、月字段组合计算，避免跨年时结果错误。

内容的提问来源于stack exchange，提问作者soof_bodo