如何对DataFrame中两个日期列相减计算得到月份差值

前置处理：转换日期列格式 #

首先需将存储日期的两列转换为pandas的datetime类型，避免字符串运算报错：

import pandas as pd

# 示例DataFrame，替换为你自己的数据源即可
df = pd.DataFrame({
    'start_date': ['2019-05-01', '2020-02-01', '2021-11-01'],
    'end_date': ['2019-09-01', '2020-05-01', '2022-01-01']
})

# 批量转日期格式
df[['start_date', 'end_date']] = df[['start_date', 'end_date']].apply(pd.to_datetime)

计算自然月差值（匹配你的需求） #

你需要的同跨度自然月计数（如2019-09-01减2019-05-01得到4），推荐以下两种稳定方案：

• 方案1：使用Period对象相减（适配整月对齐场景，代码最简洁）

df['month_diff'] = (df['end_date'].dt.to_period('M') - df['start_date'].dt.to_period('M')).apply(lambda x: x.n)

运算后你的示例数据会直接返回4，完全符合预期。

• 方案2：手动拼接年月差值（适配非整月对齐的自然月统计）

df['month_diff'] = (df['end_date'].dt.year - df['start_date'].dt.year) * 12 + (df['end_date'].dt.month - df['start_date'].dt.month)

逻辑为按公历年月差直接计算，结果和方案1完全一致。

其他场景补充 #

如果你的日期不是月初对齐，需要按实际满30天近似计算月份差，可以使用天数取整方案：

df['month_diff'] = (df['end_date'] - df['start_date']).dt.days // 30

该方案为近似值，会受当月实际天数影响，仅适合不需要严格自然月统计的场景。

内容的提问来源于stack exchange，提问作者Adam_Gie