本文介绍如何在 pandas 中对混合数据类型（字符串、数值、日期时间）的两列进行类型感知的差异计算，自动识别类型并分别执行相等判断、数值差或日期天数差，避免类型错误与 nan 传播。
本文介绍如何在 pandas 中对混合数据类型（字符串、数值、日期时间）的两列进行类型感知的差异计算，自动识别类型并分别执行相等判断、数值差或日期天数差，避免类型错误与 nan 传播。
在实际数据分析中，常遇到同一列中混杂多种数据类型（如 str、float、datetime64），直接使用 df['col2'] - df['col1'] 会触发 TypeError 或返回意外的 timedelta64 对象。本教程提供一种稳健、可扩展、类型优先的解决方案：按优先级顺序尝试数值转换 → 日期转换 → 字符串比较，逐层回退并填充结果。
核心思路：类型试探 + 分层回填
Pandas 不支持单行内多类型运算，但可通过 pd.to_numeric(..., errors='coerce') 和 pd.to_datetime(..., errors='coerce') 将无法解析的值转为 NaN，再利用 fillna() 实现“尝试-失败-换策略”的链式处理。关键在于定义清晰的类型判定优先级：
- 优先尝试数值运算：若两列均可转为数字，则计算 |col2 - col1|（取绝对值更符合“差异”语义，也可按需移除 .abs()）；
- 其次尝试日期运算：若数值转换失败（产生 NaN），则尝试转为 datetime，并计算 .dt.days；
- 最后 fallback 到字符串判等：若前两者均失败，则判断 col1 != col2，返回 'not same'。
✅ 推荐实现（简洁健壮版）
import pandas as pd
import numpy as np
# 假设 df 已加载
c1, c2 = 'col1', 'col2'
df['difference'] = (
pd.to_numeric(df[c1], errors='coerce')
.sub(pd.to_numeric(df[c2], errors='coerce'))
.abs() # 可选：保留符号用 .sub(...) 即可
.fillna(
pd.to_datetime(df[c1], errors='coerce')
.sub(pd.to_datetime(df[c2], errors='coerce'))
.dt.days
)
.fillna(
df[c1].ne(df[c2]).map({True: 'not same', False: np.nan})
)
)⚠️ 注意：.dt.days 返回 int64，但若日期差为负（如 2024-02-11 - 2024-02-12），结果为 -1；示例中期望输出为正数 1，故建议统一使用 .dt.days.abs()（见下方优化版）。
? 优化版（严格匹配预期输出）
c1, c2 = 'col1', 'col2'
df['difference'] = (
# Step 1: numeric diff (abs)
pd.to_numeric(df[c1], errors='coerce')
.sub(pd.to_numeric(df[c2], errors='coerce'))
.abs()
# Step 2: fallback to date diff (abs days)
.fillna(
(pd.to_datetime(df[c1], errors='coerce')
.sub(pd.to_datetime(df[c2], errors='coerce'))
.dt.days
.abs())
)
# Step 3: fallback to string inequality
.fillna(df[c1].ne(df[c2]).map({True: 'not same'}))
)运行后，df['difference'] 将精确生成预期结果：
- 字符串行（hi/hello, in-transit/in-stock）→ 'not same'
- 数值行（18.0/19.52）→ 1.52
- 日期行（2024-02-12/2024-03-07 → 24 天；2024-02-12/2024-02-11 → 1 天）→ 24.0, 1.0（注意：2024-03-07 - 2024-02-12 = 24 days，非 25 —— 符合 Python datetime 精确计算）
? 关键注意事项
- errors='coerce' 是安全转换的核心：它将非法值（如 'hi' 转 numeric）设为 NaN，而非报错；
- 链式 .fillna() 按顺序执行，前一步的 NaN 由后一步填补，逻辑清晰且无副作用；
- df[c1].ne(df[c2]) 是向量化字符串/对象比较，比 lambda x: isinstance(...) 更高效；
- 若需保留原始类型信息（如区分 int 与 float 差），可在数值分支中添加 .astype('Int64') 或 .round(2) 控制精度；
- 对于含 None/pd.NA 的列，to_numeric/to_datetime 默认兼容，无需额外处理。
此方法不依赖行索引循环或 apply(lambda...)，完全向量化，性能优异，且易于扩展（例如增加布尔类型处理分支）。是处理异构列差异问题的工业级实践方案。
