Python 计算两列之间的工作日

我试图计算两个日期之间的工作日数（存储在数据框中的不同列中）

我已尝试应用

numpy.busday\u count

，但出现以下错误：

Iterator operand 0 dtype could not be cast from dtype('<M8[ns]') to dtype('<M8[D]') according to the rule 'safe'

或日期时间：

datetime.date(2014, 8, 31)

或转到numpy.datetime64：

numpy.datetime64('2014-06-30T00:00:00.000000000')

有人知道怎么修吗

注1：我以两种方式通过了Try

np.busday\u计数：
1.传递数据帧列，
t['Days']=np.busday\u计数（t.MonthBegin，t.MonthEnd）

传递数组
np.busday\u计数（dt1、dt2）
注2：我的数据帧有超过150K行，因此我需要使用有效的算法。您可以使用
bdate\u range
，我还更正了您的输入，因为MonthEnd的大部分时间早于MonthBegin

[len(pd.bdate_range(x,y))for x,y in zip(df['MonthBegin'],df['MonthEnd'])]
Out[519]: [16, 21, 22, 23, 20]

您需要提供写入日期的模板

 a = datetime.strptime('2014-06-9', '%Y-%m-%d')

计算一下你的

b = datetime.strptime('2014-06-30', '%Y-%m-%d')

现在他们的区别

c = b-a
c.days 

这给了你21天的时间差，你现在可以使用列表理解来获得两个日期之间的时间差。
将为您提供datetime.timedelta（21），要将其转换为天，只需使用
我认为最好的方法是

df.apply（lambda行：np.busday\u计数（行['MBegin'，行['MEnd'）），轴=1）

对于我的数据帧
df
，如下所示：

      MBegin          MEnd
0   2011-01-01  2011-02-01
1   2011-01-10  2011-02-10
2   2011-01-02  2011-02-02

做：

df['MBegin'] = df['MBegin'].values.astype('datetime64[D]')
df['MEnd'] = df['MEnd'].values.astype('datetime64[D]')
df['busday'] = df.apply(lambda row : np.busday_count(row['MBegin'],row['MEnd']),axis=1)

>>df

     MBegin         MEnd   busday
0   2011-01-01  2011-02-01  21
1   2011-01-10  2011-02-10  23
2   2011-01-02  2011-02-02  22

您可以修改代码以获得所需的结果，如下所示：

df = pd.DataFrame({'MonthBegin': ['2014-06-09', '2014-08-01', '2014-09-01', '2014-10-01', '2014-11-01'],
                   'MonthEnd': ['2014-06-30', '2014-08-31', '2014-09-30', '2014-10-31', '2014-11-30']})
df['MonthBegin'] = df['MonthBegin'].astype('datetime64[ns]')
df['MonthEnd'] = df['MonthEnd'].astype('datetime64[ns]')
df['BDays'] = np.busday_count(df['MonthBegin'].tolist(), df['MonthEnd'].tolist())
print(df)

  MonthBegin   MonthEnd  BDays
0 2014-06-09 2014-06-30     15
1 2014-08-01 2014-08-31     21
2 2014-09-01 2014-09-30     21
3 2014-10-01 2014-10-31     22
4 2014-11-01 2014-11-30     20

此外，
numpy.busday\u count
还有一些其他可选参数，如weekmask、holidays。。。您可以根据需要使用。
您能展示一下您是如何使用的吗
np.busday\u count
？可能重复我已经编辑了这个问题。因为我的数据框有超过150K行，您是否有更快的算法，这个算法真的是时间问题consuming@JeffTehranidf.values.astype中x的np.busday\u计数（x[0]，x[1]）（'datetime64[D]'）]

检查此项：

df[“MonthBegin”]=df[“MonthBegin”].values.astype（'datetime64[D]'））

可能会解决您的问题。谢谢，它可以工作，而且比任何其他算法都要快得多。

df['MBegin'] = df['MBegin'].values.astype('datetime64[D]')
df['MEnd'] = df['MEnd'].values.astype('datetime64[D]')
df['busday'] = df.apply(lambda row : np.busday_count(row['MBegin'],row['MEnd']),axis=1)

>>df

     MBegin         MEnd   busday
0   2011-01-01  2011-02-01  21
1   2011-01-10  2011-02-10  23
2   2011-01-02  2011-02-02  22

df = pd.DataFrame({'MonthBegin': ['2014-06-09', '2014-08-01', '2014-09-01', '2014-10-01', '2014-11-01'],
                   'MonthEnd': ['2014-06-30', '2014-08-31', '2014-09-30', '2014-10-31', '2014-11-30']})
df['MonthBegin'] = df['MonthBegin'].astype('datetime64[ns]')
df['MonthEnd'] = df['MonthEnd'].astype('datetime64[ns]')
df['BDays'] = np.busday_count(df['MonthBegin'].tolist(), df['MonthEnd'].tolist())
print(df)

  MonthBegin   MonthEnd  BDays
0 2014-06-09 2014-06-30     15
1 2014-08-01 2014-08-31     21
2 2014-09-01 2014-09-30     21
3 2014-10-01 2014-10-31     22
4 2014-11-01 2014-11-30     20