含NaN的日期列用列表推导式计算工作日差报错如何解决

• 条件判断逻辑无效：原代码中if (x,y) != np.isnan的写法完全不生效，np.isnan是用于判断NaN的函数，不是NaN值本身，且NaN不能直接用==/!=判断（NaN与任何值比较都返回False，包括它自身）。
• 列表推导式语法错误：仅写在for循环后的if是过滤条件，会剔除不符合条件的元素，最终生成的列表长度会短于原DataFrame行数，直接赋值给新列会触发长度不匹配错误，需要用三元表达式为不符合条件的元素返回0，保证输出长度和原表一致。
• 日期格式不规范：原始日期列是字符串类型，空值为np.nan，直接传入pd.bdate_range易被识别为无效值，建议先转为pandas datetime类型，空值会自动转为NaT更便于空值判断。

前置处理：统一日期格式 #

首先将两列日期转为pandas datetime类型：

import pandas as pd
import numpy as np

data = pd.DataFrame({
    'date1' : [np.nan, np.nan, "2021-05-26", "2021-06-25", "2021-06-30"],
    'date2' : [np.nan, np.nan, "2021-06-30", "2021-06-28", "2021-06-30"]
})
# 转datetime类型，空值自动转为NaT
data['date1'] = pd.to_datetime(data['date1'])
data['date2'] = pd.to_datetime(data['date2'])

方法1：修正列表推导式 #

调整三元表达式的位置，用pd.isna()统一判断NaN/NaT空值：

data["delay"] = [len(pd.bdate_range(x, y)) if not pd.isna(x) and not pd.isna(y) else 0 for x, y in zip(data.date1, data.date2)]

方法2：使用apply方法（可读性更高） #

自定义计算函数通过行遍历实现：

def calc_business_delay(row):
    # 任意一列为空则返回0
    if pd.isna(row['date1']) or pd.isna(row['date2']):
        return 0
    # 计算工作日数量，包含首尾日期
    return len(pd.bdate_range(row['date1'], row['date2']))

data['delay'] = data.apply(calc_business_delay, axis=1)

运行结果 #

最终得到的DataFrame如下：

>>> data
       date1      date2  delay
0        NaT        NaT      0
1        NaT        NaT      0
2 2021-05-26 2021-06-30     25
3 2021-06-25 2021-06-28      2
4 2021-06-30 2021-06-30      1

如果需要计算不含首日的间隔天数，将len(pd.bdate_range(...))的结果减1即可。

内容的提问来源于stack exchange，提问作者SachaL