Pandas获取去年年初至今日期并与今年同期数据对比报错解决方案

• 核心逻辑错误：你当前用dt.day（月内第几天）筛选日期的逻辑完全不符合YTD同期对比需求。比如当前日期为11月29日，仅判断日小于29的话，去年1月30日会被误过滤，去年12月1日会被误保留，完全偏离需求。
• 代码笔误：今年YTD筛选的代码行中，你误用sales_data_this_year的布尔条件过滤sales_data_last_year，两个DataFrame索引、行数不匹配会触发pandas自动对齐逻辑，产生缺失值，这是你触发类型报错的直接原因。
• 冗余操作：重复调用pd.to_datetime转换同一列日期，属于无效代码。

直接对比日期的「月+日」部分即可精准筛选同期YTD数据，无需拆分判断年月日，也能兼容闰年特殊情况：

import datetime
import pandas as pd

# 仅需执行一次日期格式转换
sales_data_df['Date'] = pd.to_datetime(sales_data_df['Date'])

# 取当前年份、去年年份、当前月日标识（格式为MMDD，如11月29日为1129）
current_year = datetime.datetime.now().year
last_year = current_year - 1
current_md = datetime.datetime.now().strftime("%m%d")

# 筛选去年同期YTD数据
sales_data_last_ytd = sales_data_df[
    (sales_data_df['Date'].dt.year == last_year) &
    (sales_data_df['Date'].dt.strftime("%m%d") <= current_md)
]
# 去年数据聚合计算
last_ytd_agg = sales_data_last_ytd.groupby('Id').agg(
    Quantity=('Quantity', 'sum'),
    NetAmount=('NetAmount', 'sum')
).reset_index()
last_ytd_agg['COGS_last_YTD'] = last_ytd_agg['Quantity'] * last_ytd_agg['NetAmount']

# 筛选今年YTD数据
sales_data_this_ytd = sales_data_df[
    (sales_data_df['Date'].dt.year == current_year) &
    (sales_data_df['Date'].dt.strftime("%m%d") <= current_md)
]
# 今年数据聚合计算
this_ytd_agg = sales_data_this_ytd.groupby('Id').agg(
    Quantity=('Quantity', 'sum'),
    NetAmount=('NetAmount', 'sum')
).reset_index()
this_ytd_agg['COGS_YTD'] = this_ytd_agg['Quantity'] * this_ytd_agg['NetAmount']

# 按需合并两年数据方便对比
final_compare_df = pd.merge(
    last_ytd_agg, 
    this_ytd_agg, 
    on='Id', 
    how='outer', 
    suffixes=('_last_year', '_current_year')
)

• 用月日字符串对比的逻辑天然适配闰年场景：如果当前不是闰年的2月29日，会自动忽略去年闰年的2月29日数据，符合同期对比的通用规则。
• 所有筛选操作都基于原DataFrame执行，不存在多表索引对齐的问题，从根源上避免类型不匹配报错。
• 代码逻辑清晰易维护，后续如果需要调整对比规则，只需修改current_md的生成规则即可。

内容的提问来源于stack exchange，提问作者Murcielago