pandas中计算当前时间与Dataframe Creation列的时间差时排除周六周日

原代码基础修正 #

你原来的代码有两个会影响运行的小问题，先修正再实现需求：

• dayfirst="True"传了字符串类型的判断值，会触发pandas警告，要改成布尔值dayfirst=True
• df.to_datetime('now')是错误的方法调用，to_datetime属于pandas顶层方法，不绑定DataFrame实例，直接运行会报错，正确写法是pd.to_datetime('now')

修正后的基础前置代码：

import pandas as pd
import numpy as np

# 保留原有的Creation列时间转换逻辑
df['Creation'] = pd.to_datetime(df["Creation"], dayfirst=True)
current_time = pd.to_datetime('now')

不计入周末的天数差计算 #

要求保持原有输出粒度（按自然天计数），但跳过周六、周日，两种可直接落地的实现方式：

大数据量场景：高效无循环计算 #

用numpy内置的busday_count方法，默认就是统计区间内周一到周五的工作日天数，自动排除周末，百万行级数据计算也不会卡顿：

# 统一把带时分秒的时间规整到当天零点，避免计数偏差
create_norm = df['Creation'].dt.normalize()
current_norm = current_time.normalize()

# 生成存储工作日天数的Difference列
df['Difference'] = np.busday_count(
    begindates=create_norm.values.astype('datetime64[D]'),
    enddates=current_norm.to_datetime64()
)

该方法的计数逻辑为“算头不算尾”，和日常自然日差的计数规则完全对齐，不需要额外调整数值。

需要自定义规则场景：灵活可扩展计算 #

用pandas自带的bdate_range生成工作日频率的时间轴，统计区间内的日期数量得到差值。后续如果需要额外排除法定节假日，只需要给函数传入自定义节假日列表即可，不用重写核心计算逻辑：

def get_workday_gap(start_dt, end_dt):
    # 生成两个日期之间的所有工作日
    workday_days = pd.bdate_range(
        start=start_dt.normalize(),
        end=end_dt.normalize()
    )
    # 去掉首尾重合的1天，对齐自然日差的计数粒度
    return len(workday_days) - 1

# 逐行应用计算差值
df['Difference'] = df['Creation'].apply(
    lambda row: get_workday_gap(row, current_time)
)

注意事项 #

• 两种实现方式都自动跳过所有周六、周日，不会将周末天数计入Difference列
• 统一对时间做零点规整后，不会因为创建时间带具体时分秒出现负数、计数少算的问题
• 不需要手动逐行遍历判断日期是周几，计算效率远高于自定义循环逻辑

内容的提问来源于stack exchange，提问作者Ricardoke