Python pandas日期列与指定变量日期差值计算报错求解

relativedelta 仅支持对单个日期对象做差值计算，你直接传入pandas整列（Series）作为参数时，函数内部的条件判断逻辑无法对一整组数据返回唯一布尔值，因此触发The truth value of a Series is ambiguous报错。

方案1：逐行调用relativedelta（小数据量适用，和你原有逻辑完全匹配） #

先确保日期列和你定义的enddate类型对齐，再用apply逐行计算年差：

import pandas as pd
from datetime import date
from dateutil.relativedelta import relativedelta

enddate = date(2021, 10, 15)
# 把maturity列转为date类型，和enddate类型匹配
metric_df['maturity'] = pd.to_datetime(metric_df['maturity']).dt.date
# 逐行计算年差值
metric_df['term'] = metric_df['maturity'].apply(lambda x: relativedelta(x, enddate).years)

方案2：矢量化运算（大数据量适用，运算效率远高于逐行调用） #

直接用pandas内置的日期属性计算，结果和relativedelta.years完全一致：

import pandas as pd
from datetime import date

enddate = date(2021, 10, 15)
enddate_pd = pd.to_datetime(enddate)
# 把maturity列转为pandas datetime类型
metric_df['maturity'] = pd.to_datetime(metric_df['maturity'])

# 先算年份差
year_gap = metric_df['maturity'].dt.year - enddate_pd.year
# 判断maturity的月日是否早于enddate的月日，是则年份差减1
adjust = (
    (metric_df['maturity'].dt.month < enddate_pd.month)
    | ((metric_df['maturity'].dt.month == enddate_pd.month) & (metric_df['maturity'].dt.day < enddate_pd.day))
)
metric_df['term'] = year_gap - adjust.astype(int)

注：如果需要取绝对值的年差，在计算结果外层加abs()即可。

内容的提问来源于stack exchange，提问作者Michael Yoo