Pandas计算日期间隔遇0/NaN报Timedelta与int相加错误如何解决

报错原因 #

原有代码触发类型错误的核心诱因有两个：

• 当start_d、end_d列存在0、NaN值时，列类型会被推断为混合类型，逐行做日期减法时会返回非Timedelta类型的结果，和后续pd.Timedelta运算触发类型不兼容报错
• 原有代码先逐行计算日期间隔再取最大值的逻辑，既容易受异常值干扰，也不符合「全局最大结束日期减全局最小开始日期统一填充」的需求

可行实现方案 #

核心思路 #

先对日期列做标准化清洗，过滤无效值后计算全局统一的总天数，再批量填充到所有行，异常值不会参与核心运算，从根源避免类型报错。

代码实现 #

import pandas as pd

# 步骤1：将两列强制转为标准datetime类型，无效值（0、NaN、非法字符串等）自动转为空日期NaT
dsx['start_d'] = pd.to_datetime(dsx['start_d'], errors='coerce')
dsx['end_d'] = pd.to_datetime(dsx['end_d'], errors='coerce')

# 步骤2：提取全局有效日期的最小开始日期、最大结束日期
min_start = dsx['start_d'].min()
max_end = dsx['end_d'].max()

# 步骤3：计算总天数，增加兜底判断避免全列无效时的报错
if pd.notna(min_start) and pd.notna(max_end):
    total_days = (max_end - min_start).days + 1
else:
    # 可根据业务需求修改默认值，比如填0或者空值
    total_days = pd.NA

# 步骤4：统一填充到所有行的length列
dsx['length'] = total_days

内容的提问来源于stack exchange，提问作者rra