Pandas中如何直接用日期索引计算日期差？无需转为列

你遇到的问题很典型——df["date"]试图访问名为date的列，但date其实是你的索引名称，不是DataFrame的列，所以才会报错。不用把索引转成列，直接用df.index就能访问日期索引进行计算，这里给你梳理两种最常用的实现方式：

1. 计算整数天数差值 #

如果你需要的是整数形式的天数差，可以在日期相减后用.dt.days提取具体天数：

import pandas as pd
import numpy as np

df = pd.DataFrame(
    data={"val": [1,2,3,4,5], "some_date": np.arange("2000-02-01", "2000-02-06", dtype="datetime64[D]")},
    index=pd.date_range(start="2000-01-01", end="2000-01-05", periods=5, name="date")
)

# 直接用df.index访问日期索引计算天数差
df["delta_days"] = (df["some_date"] - df.index).dt.days

运行后df会新增一列delta_days，所有行的值都是31（2000年1月1日到2月1日的天数差）。

2. 保留Timedelta类型差值 #

如果需要保留完整的时间差类型（方便后续做时间相关运算），直接相减即可，不需要额外提取天数：

df["delta_timedelta"] = df["some_date"] - df.index

这时候delta_timedelta列的类型是Timedelta，值显示为31 days这类格式。

为什么这是最佳方式？ #

df.index本身就是DatetimeIndex类型，和some_date列的datetime64类型完全兼容，直接做算术运算效率最高，不需要额外的类型转换或者将索引转为列的操作，代码也更简洁直观。

内容的提问来源于stack exchange，提问作者Alex