17370845950

本文介绍如何使用 pandas 将日期列快速转换为以首个（或最小）日期为基准的“天数差”列，适用于时间序列分析、特征工程等场景，核心方法是利用 `sub()` 和 `dt.days` 实现高效计算。

在数据分析中，常需将原始日期列标准化为相对天数（例如“距首日第几天”），便于建模或可视化。给定一个由年、月、日三列构成的 DataFrame，首先需将其合并为标准 datetime64 类型，再计算与参考日期的时间差。

以下为完整实现步骤：

1. 构造并转换日期列：使用 pd.to_datetime(df) 自动解析年/月/日三列，返回 Series；再通过 .to_frame('Date') 转为单列 DataFrame；
2. 计算天数差：对 Date 列调用 .sub() 方法减去参考日期（如首行 iloc[0] 或全局最小值 min()），结果为 timedelta64[ns] 类型；
3. 提取整数天数：使用 .dt.days 属性获取精确的天数（忽略小时、分钟等），生成整型 Days_from_start 列。

import pandas as pd

df = pd.DataFrame({
    'year': [2015, 2015, 2015],
    'month': [2, 2, 2],
    'day': [4, 5, 10]
})

# 构建日期列并计算相对天数（以首行为基准）
out = pd.to_datetime(df).to_frame('Date')
out['Days_from_start'] = out['Date'].sub(out['Date'].iloc[0]).dt.days

print(out)

输出：

        Date  Days_from_start
0 2015-02-04                0
1 2015-02-05                1
2 2015-02-10                6

⚠️ 注意事项：

• 若数据含缺失值（NaT），.sub() 和 .dt.days 会自动返回 NaN，建议提前用 dropna() 或 fillna() 处理；
• 使用 out['Date'].min() 可确保以最早日期为基准（适用于乱序数据）；
• .dt.days 返回的是完整日历天数（非工作日），若需排除周末/节假日，应改用 pd.bdate_range 或 np.busday_count 配合自定义逻辑。

该方法简洁、向量化、性能优异，是 pandas 时间特征工程中的标准实践。