如何对pandas中由两日期差值生成的duration列进行数值筛选

报错原因 #

duration列是timedelta64时间差类型，直接和整数对比时，pandas无法判断整数对应的时间单位（天/小时/秒等），因此触发类型匹配错误。

解决方案 #

以下三种方案性能差异极小，可根据使用场景选择：

• 方案1：查询时将时间差转为对应单位的整数（无需修改原表，最灵活）
  如果按天为单位筛选，直接调用timedelta的dt属性取天数即可：

  df.query('duration.dt.days < 5')
  

  需要其他单位时修改对应属性即可，比如按总秒数比较就换成duration.dt.total_seconds() < 5。
• 方案2：将整数转为对应时间差类型再比较
  需要用@符号在query语句中引用外部的pandas时间差对象：

  import pandas as pd
  # 示例为判断是否小于5天，可修改Timedelta参数调整单位，比如hours=5代表5小时
  df.query('duration < @pd.Timedelta(days=5)')
  

• 方案3：生成duration列时直接转成对应单位的整数（适合频繁使用duration做数值计算的场景）
  生成列时就做转换，后续所有操作都可以直接按整数处理：

  df['duration'] = (df['date2'] - df['date1']).dt.days
  # 后续筛选无需额外处理
  df.query('duration < 5')
  

疑问解答 #

你提到的「将数值5转换为对应的时间类型对象」是可行的解决思路，也就是上面的方案2，和转时间差为整数的思路没有绝对优劣，按需选择即可。

内容的提问来源于stack exchange，提问作者SUICIDALTENDENCIES1