如何使用Pandas替换CSV文件中的负天数及0值时间差数据

报错原因 #

报错是因为diff字段为timedelta64[ns]时间差类型，无法直接与整数进行比较，需要将比较对象转为同类型的时间差，或者先提取时间差的天数整数值再做运算。

另外你原代码里有个笔误：diff = pd.firstdate - pd.lastdate错误，pd是Pandas库的引用名，需要替换为你的DataFrame变量df，即diff = df['firstdate'] - df['lastdate']。

实现方案 #

方案1：保留timedelta类型输出 #

如果需要thedif列保留时间差格式，直接用pd.Timedelta生成同类型的比较值即可：

import pandas as pd
import numpy as np

df = pd.read_csv("csv_data.csv", encoding="UTF-8",
    parse_dates = [
        "firstdate",
        "lastdate",
    ], dayfirst=True
)
diff = df['firstdate'] - df['lastdate']

# 需求1：将负天数替换为0天
df['thedif'] = np.where(diff < pd.Timedelta(days=0), pd.Timedelta(days=0), diff)

# 需求2：将负天数替换为30天，替换上面一行即可
# df['thedif'] = np.where(diff < pd.Timedelta(days=0), pd.Timedelta(days=30), diff)

也可以用Pandas原生方法简化写法：

• 替换负天数为0：df['thedif'] = diff.clip(lower=pd.Timedelta(days=0))
• 替换负天数为30天：df['thedif'] = diff.mask(diff < pd.Timedelta(days=0), pd.Timedelta(days=30))

方案2：输出整数天数格式 #

如果只需要天数的整数值，可以先提取时间差的天数属性再处理：

diff_days = (df['firstdate'] - df['lastdate']).dt.days

# 负天数替换为0
df['thedif'] = np.where(diff_days < 0, 0, diff_days)

# 负天数替换为30
# df['thedif'] = np.where(diff_days < 0, 30, diff_days)

处理后效果（以替换负天数为0为例） #

index firstdate   lastdate   thedif
0     2021-03-02  2021-04-02 0days
1     2021-04-02  2021-03-02 31days
2     2021-03-03  2021-03-03 0days

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