你的问题核心在于之前的代码没有针对每个股票分组计算年份差，而是取了整个DataFrame的全局最大/最小年份，所以得到的结果不符合预期。下面是最简洁高效的实现方法：

正确代码实现 #

我们可以用Pandas的groupby+transform组合，transform会把分组计算的结果自动广播回原DataFrame的每一行，完美匹配你需要给每一行新增对应股票交易年限的需求：

# 直接按Symbol分组，对Date列计算年份差并广播到每一行
mydata['Yrs_Publ_Trd'] = mydata.groupby('Symbol')['Date'].transform(
    lambda x: x.dt.year.max() - x.dt.year.min()
)

为什么之前的代码不对？ #

你之前写的循环里，mydata.Date.dt.year.max()和mydata.Date.dt.year.min()都是针对整个DataFrame的全局统计值，不是每个Symbol分组内的。比如不管循环到哪个Symbol，你取的都是所有股票里最早和最晚的年份差，自然得不到每个股票自己的交易年限。

验证结果 #

运行上面的代码后，你的DataFrame就会新增Yrs_Publ_Trd列，每个Symbol对应的所有行都会显示该股票最早与最晚交易年份的差值，和你预期的结果一致。

内容的提问来源于stack exchange，提问作者Built13