如何在Pandas中从datetime64[ns]类型出生日期列计算年龄？

你遇到的这个TypeError很常见——因为你计算出来的age列是timedelta64[ns]类型（包含天、时、分、秒的时间差），这种类型没法直接用astype(int)转换为整数。咱们一步步来修正：

问题根源 #

你的代码里(now - clients["date_of_birth"])/365得到的是带时分秒的时间差对象，比如输出里的22624 days 11:35:15.057887，直接转int会被Python拒绝，因为它不知道该怎么把天时分秒的复合信息转成单一整数。

正确的解决方法 #

方法1：提取天数后计算年龄（最直观） #

先通过.dt.days提取时间差中的纯天数，再用整数除法//计算完整的年份（避免小数，符合实际年龄的计算逻辑），最后转成int：

import pandas as pd
import datetime as DT

now = pd.Timestamp(DT.datetime.now())
# 提取天数 → 计算完整年份 → 转int
clients["age"] = ((now - clients["date_of_birth"]).dt.days // 365).astype(int)

比如你输出里的22624 days，22624//365 = 61，就是正确的年龄。

方法2：处理缺失值（如果有NaT） #

如果你的date_of_birth列有缺失值（输出里的NaT），可以用fillna填充默认值，或者用dropna删除对应行：

# 填充缺失值为0，再转int
clients["age"] = ((now - clients["date_of_birth"]).dt.days // 365).fillna(0).astype(int)

# 或者直接删除有缺失值的行
clients = clients.dropna(subset=["date_of_birth"])
clients["age"] = ((now - clients["date_of_birth"]).dt.days // 365).astype(int)

方法3：用dt.total_seconds()换算（备选） #

如果你想更精确地计算（比如包含部分年份的小数），可以把时间差转成总秒数，再换算成年份：

clients["age"] = ((now - clients["date_of_birth"]).dt.total_seconds() / (365*24*3600)).astype(int)

不过这种方法和方法1的结果几乎一致，方法1更简洁。

验证效果 #

修正后，你的age列会变成纯整数，比如：

0    0
1    61
2    50
3    40
4    59
...

内容的提问来源于stack exchange，提问作者andrecdazevedo