Python pandas：函数等价于SQL'；s datediff（）？

Python的pandas中是否有与SQL的datediff函数等价的函数？ 这个问题的答案是： 解释如何以天为单位计算差异。例如：

>>> (pd.to_datetime('15-10-2010') - pd.to_datetime('15-07-2010')) / pd.offsets.Day(1)
92.0

不过，我有两个问题：

有没有办法以月为单位计算差额？我可以近似地将上面的结果除以30，再除以31，但我想知道是否有一些内置函数可以自动完成这项工作

pd.offset的语法是什么？我试着除以pd.offsets.Month（1），但它不起作用。我在这里查阅了文档（这很糟糕，就像所有Python文档一样！）：但是Day（）不在那里，所以我很困惑

---

更新：

def months_between(d1, d2):
    dd1 = min(d1, d2)
    dd2 = max(d1, d2)
    return (dd2.year - dd1.year)*12 + dd2.month - dd1.month

In [125]: months_between(pd.to_datetime('2015-01-02 12:13:14'), pd.to_datetime('2012-03-02 12:13:14'))
Out[125]: 34

In [40]: (pd.to_datetime('15-10-2010') - pd.to_datetime('15-07-2010')).days
Out[40]: 92

旧答案：

def months_between(d1, d2):
    dd1 = min(d1, d2)
    dd2 = max(d1, d2)
    return (dd2.year - dd1.year)*12 + dd2.month - dd1.month

In [125]: months_between(pd.to_datetime('2015-01-02 12:13:14'), pd.to_datetime('2012-03-02 12:13:14'))
Out[125]: 34

In [40]: (pd.to_datetime('15-10-2010') - pd.to_datetime('15-07-2010')).days
Out[40]: 92

您也可以这样做几个月：

In [48]: pd.to_datetime('15-10-2010').month - pd.to_datetime('15-07-2010').month
Out[48]: 3

---

如果你环顾四周，几个月似乎不可能脱离时间差：

In [193]: date_1 = pd.to_datetime('2015-01-02 12:13:14')

In [194]: date_2 = pd.to_datetime('2012-03-02 12:13:14')

In [195]: date_1 - date_2
Out[195]: Timedelta('1036 days 00:00:00')

In [199]: td_1.
td_1.asm8            td_1.days            td_1.freq            td_1.microseconds    td_1.resolution      td_1.to_pytimedelta  td_1.value           
td_1.ceil            td_1.delta           td_1.is_populated    td_1.min             td_1.round           td_1.to_timedelta64  td_1.view            
td_1.components      td_1.floor           td_1.max             td_1.nanoseconds     td_1.seconds         td_1.total_seconds

In [199]: td_1.components
Out[199]: Components(days=1036, hours=0, minutes=0, seconds=0, milliseconds=0, microseconds=0, nanoseconds=0)

此外，

组件

似乎没有提供相同价值的不同面额，但

In [213]: td_1.components.days
Out[213]: 1036

In [214]: td_1.components.hours
Out[214]: 0

最终，您目前所做的似乎是“最佳”解决方案：

In [214]: td_1.components.days/30
Out[214]: 34.53333333333333

In [215]: np.round(td_1.components.days/30)
Out[215]: 35.0

In [216]: np.floor(td_1.components.days/30)
Out[216]: 34.0

这并不是什么好消息，但无论如何都是一个解决方案

---

至于将Matlab附带的文档与pandas的文档进行比较，您是对的。但是，如果你也比较一下这两种产品的价格标签，也许可以回答一些问题。。（？）

Super！谢谢！我是超级笨拙还是熊猫文档真的很糟糕？事实上，否：这在不同的年份不起作用，例如以下仍然返回3:pd.to_datetime（'15-10-2015'）。month-pd.to_datetime（'15-07-2010'）。month这可能是因为您只使用了

.month

属性，没有真正考虑到这两个日期之间有几年的时间。@maxU和Matlab的一样，但是它的文档绝对出色。我从来不用花很多时间去寻找基本问题的答案；时间就是金钱，如果Matlab在处理非数字数据方面和熊猫一样优秀，那么许可证的成本就可以自己支付了already@Pythonistaanonymous，我已经更新了我的答案-请检查，我似乎无法将结果转换为整数。有什么想法吗？嗯，我在这里找到了如何从timedelta转换为float：除以np.timedelta64（1，'D'）。为什么，以及记录在哪里，是不同的问题！！！当然，但我的观点是，在一个商业环境中，时间就是金钱，而一个缺乏文件证明的产品的“免费”价格是一种虚假的经济。我刚刚浪费了大约一个小时想弄清楚如何减去日期。如果有一个商业软件大致上具备熊猫的功能和Matlab的文档质量，我会立刻购买它