DataFrame应用函数报错：计算df['start']日期至月末天数遇AttributeError

嘿，我帮你拆解这个问题的核心原因——你想用calendar.monthrange计算每个日期到当月月末的天数，但在pandas的Series/DataFrame上操作时触发了AttributeError，本质上是没有正确给calendar.monthrange传递它需要的参数类型，或者误把它当成了Timestamp对象的方法来调用。

为什么会报错？ #

calendar.monthrange的要求很明确：它需要接收两个整数类型的参数——year和month，返回包含当月第一天星期数和当月总天数的元组。但如果你直接把pandas的Timestamp对象（也就是df['start']里的每个元素）扔给它，或者在apply里写法不对，就会出问题：

举个典型的错误写法例子：

import calendar
import pandas as pd

df = pd.DataFrame({'start': pd.date_range('2024-01-05', periods=3)})
df['count'] = df['start'].apply(calendar.monthrange)  # 错误！

这段代码会直接抛出AttributeError: 'Timestamp' object has no attribute 'monthrange'，因为Python会误以为你要调用Timestamp对象的monthrange方法，但这个方法根本不存在——calendar.monthrange是独立函数，不是datetime对象的方法。

正确的实现方式 #

方式一：在apply里正确提取年、月参数

先写一个辅助函数，从Timestamp里提取年份和月份的整数，再传给calendar.monthrange，最后计算到月末的天数：

import calendar
import pandas as pd

df = pd.DataFrame({'start': pd.date_range('2024-01-05', periods=3)})

def calculate_days_to_end(date):
    # 拿到当月总天数
    _, total_days = calendar.monthrange(date.year, date.month)
    # 总天数减去当前日期的日数，就是到月末的天数
    return total_days - date.day

df['count'] = df['start'].apply(calculate_days_to_end)

方式二：用pandas原生功能更高效（推荐）

如果你的数据量比较大，apply逐行处理的效率会偏低，用pandas的偏移量工具可以实现向量式计算，速度更快：

# 先拿到当月最后一天的日期
df['month_end'] = df['start'] + pd.offsets.MonthEnd(0)
# 计算两个日期的差值，再提取天数
df['count'] = (df['month_end'] - df['start']).dt.days

总结一下 #

这个错误的核心就是对calendar.monthrange的使用方式理解有误：它是一个需要传入整数年、月的独立函数，不能直接把Timestamp对象丢进去，也不能把它当成Timestamp的方法调用。只要正确提取年、月的整数值，或者改用pandas原生的日期偏移功能，就能解决问题啦。

内容的提问来源于stack exchange，提问作者pars_eval