在Pandas中拆分DataFrame的Difference列生成Day新列求助

嘿，我来帮你搞定这个问题！你遇到的核心问题是没注意到Difference列的类型——它是pandas Timedelta（时间差）对象，不是普通字符串，所以之前的字符串拆分方法才会失效。下面给你两种可行的方案，优先推荐第一种：

方案1：直接使用Timedelta的.dt.days属性（最推荐） #

pandas为时间差类型的Series提供了.dt访问器，可以直接提取天数、小时等属性，这是最简洁高效的方式，完全不需要做字符串处理：

import pandas as pd
import datetime

# 创建DataFrame df
df = pd.DataFrame({'sample_date':['2018-01-10','2018-01-10','2018-01-11','2018-01-11','2018-01-12']})
# 获取当前日期，撰写本文时为2018-01-12
today = datetime.date.today()
# 为df添加新列Today
df['Today'] = today
# 将所有列转换为datetime类型
df['sample_date'] = pd.to_datetime(df['sample_date'])
df['Today'] = pd.to_datetime(df['Today'])
# 创建新列Difference，计算Today与sample_date的差值
df['Difference'] = df['Today'] - df['sample_date']

# 重点：提取天数到Day列
df['Day'] = df['Difference'].dt.days

运行后你会得到完全符合预期的输出：

方案2：字符串拆分（不推荐，仅作参考） #

如果你非要用字符串拆分的方式，需要先把Timedelta对象转为字符串，再用.str访问器逐元素拆分（注意不是把整个Series转成字符串！之前的错误就是在这里）：

# 把Difference转成字符串后拆分，取第一个元素
df['Day'] = df['Difference'].astype(str).str.split().str[0]

这种方法虽然能得到结果，但不如方案1稳定——如果时间差的格式发生变化（比如包含小时、分钟），字符串拆分可能会出错，而.dt.days是直接从时间差对象中提取数值，可靠性更高。

为什么你之前的方法出错？ #

你尝试的str(df['Today'] - df['sample_date']).split()[0]是把整个Series对象转成了字符串（比如输出会是类似0 2 days...\n1 2 days...的格式），拆分后取第一个元素是索引的0，所以所有行的Difference都变成了0，这显然不是你想要的效果。

内容的提问来源于stack exchange，提问作者Code_Sipra