You need to enable JavaScript to run this app. pandas计算DataFrame日期列与datetime对象的年份差报错修复
优惠活动
大模型
产品
解决方案
定价
更多

pandas计算DataFrame日期列与datetime对象的年份差报错修复

报错原因梳理
  • 类型不匹配:传入函数的dataadmissao列本身就是datetime64[ns]类型的pandas序列,不是函数预期的字符串格式,strptime方法仅支持字符串入参,碰到序列/非字符串类型会直接抛出类型错误
  • 调用逻辑错误:np.vectorize的使用方式有误——代码直接执行了years_between(input_1['dataadmissao'], datetime.now()),把函数的返回值传给了矢量化接口,没有将函数本身作为映射逻辑传入,就算没有类型错误也无法正常输出结果
  • 逻辑冗余且格式不匹配:当前日期列已经完成datetime类型转换,不需要再用strptime做字符串转日期的操作;且原函数里写的解析格式"%d/%m/%Y"是日/月/斜杠分隔格式,和现有日期的年-月-横杠分隔格式完全不匹配,就算传入字符串入参也会触发解析错误
调整后可直接运行的实现方案

方案1:保留自定义函数,修正调用逻辑

去掉函数内多余的字符串解析步骤,让函数直接适配datetime对象,再正确调用矢量化接口:

from datetime import datetime
import numpy as np

# 修正后的年份差计算函数
def years_between(start_date, end_date):
    # 直接提取日期对象的年份属性计算差值
    return abs(end_date.year - start_date.year)

# 正确初始化矢量化计算函数
calc_years = np.vectorize(years_between)
# 传入日期列与当前时间计算列差
input_1['difference_in_years'] = calc_years(input_1['dataadmissao'], datetime.now())

方案2:使用pandas原生能力实现(效率更高)

pandas对日期列提供内置.dt访问器,可直接完成全列向量化运算,不需要额外编写自定义函数或循环:

current_time = datetime.now()
# 直接提取两个日期的年份字段做差取绝对值
input_1['difference_in_years'] = (current_time.year - input_1['dataadmissao'].dt.year).abs()

说明:两种实现的计算逻辑完全一致,均按自然年份差返回整数结果(仅对比年份字段差值,不校验月、日是否满足整年跨度,和原自定义函数的返回规则完全匹配)。

内容的提问来源于stack exchange,提问作者AlSub

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.11.05 07:45:03