Python转字符串为datetime计算日期差遇Series报错,空值如何替换为当前日期
问题原因与修正方案
报错触发的本质
当前代码传入datetime.strptime的参数是整列Pandas Series,但datetime.strptime仅支持解析单个字符串,不支持批量处理Series结构,因此触发类型错误。
另外原代码中写的解析格式串'%Y, %m, %d'和拆分后得到的2020-04-10格式不匹配,即使传入单个字符串也会解析失败。
调整步骤
- 替换逐行调用
datetime.strptime的自定义逻辑,改用Pandas原生的整列日期解析方法,从根源上避免类型不匹配的报错 - 对解决日期列的空值,统一替换为代码运行当日的日期,保障差值计算正常执行
- 解析完成后直接对两个日期列做减法,提取间隔天数
可直接复用的修正代码
import pandas as pd from tkinter import filedialog from datetime import datetime # 选择并读取CSV文件 import_file_path = filedialog.askopenfilename() df1 = pd.read_csv(import_file_path) # 直接批量解析ISO格式日期,无需手动拆分字符串 # errors='coerce' 会将无法解析的内容、空值自动转换为空时间值NaT create_date = pd.to_datetime(df1['CreateDate'], errors='coerce') resolved_date_raw = pd.to_datetime(df1['ResolvedDate'], errors='coerce') # 解决日期列的空值自动替换为代码运行当日 current_day = pd.Timestamp(datetime.now().date()) resolved_date = resolved_date_raw.fillna(current_day) # 计算得到间隔天数列 df9 = (resolved_date - create_date).dt.days
适配已有拆分列的写法
如果已经通过字符串拆分得到了2020-04-10格式的df2、df3Series,不需要重新从原CSV提取字段,直接替换解析的输入即可:
create_date = pd.to_datetime(df2, errors='coerce') resolved_date_raw = pd.to_datetime(df3, errors='coerce') # 后续空值填充、差值计算逻辑和上述代码完全一致
内容的提问来源于stack exchange,提问作者Nathaniel
相关产品推荐
相关产品推荐

