OP最有可能使用医学MIMIC数据集，其中的日期被打乱以保护患者的身份，特别是对于89岁以上的患者，they shifted the date of birth by 300 years。
使用pandas timedelta时，像这样的长时间跨度会给予溢出：

pd.to_timedelta(300, unit="Y", box=False)
> numpy.timedelta64(-8979658473709551616,'ns')

当这种情况发生在 Dataframe 操作中时，你会遇到一个错误。根据@tawab_shakeel的回答改编：

df = pd.DataFrame(data={"DOB":['2000-05-07','1965-01-30','1700-01-01'],
                   "date_of_admission":["2019-01-19 12:26:00","2019-03-21 02:23:12", "2000-01-01 02:23:23"]})

df['DOB'] = pd.to_datetime(df['DOB']).dt.date
df['date_of_admission'] = pd.to_datetime(df['date_of_admission']).dt.date

# Gives AttributeError: Can only use .dt accessor with datetimelike values
df['age'] = ((df['date_of_admission']-df['DOB']).dt.days) //365

# Gives OverflowError: long too big to convert
pd.to_timedelta(df['date_of_admission']-df['DOB'])

转换为timedelta64[ns]数据类型的任何计算都会出现此问题。
作为解决方法，您可以改用apply运算，直接计算每个元素的年龄元素：

df['age'] = df.apply(lambda e: (e['date_of_admission'] - e['DOB']).days/365, axis=1)

将两列都转换为日期，然后相减

import pandas as pd

df['date_of_admission'] = pd.to_datetime(df['date_of_admission']).dt.date

df['DOB'] = pd.to_datetime(df['DOB']).dt.date

df['age'] = ((df['date_of_admission']-df['DOB']).dt.days) //365

第二次测试

#Now I have use DOB AND date_of_admission data from the question and it is working fine

df = pd.DataFrame(data={"DOB":['2000-05-07','1965-01-30','NaT'],
                   "date_of_admission":["2019-01-19 12:26:00","2019-03-21 02:23:12", "2018-11-02 18:30:10"]})

df['DOB'] = pd.to_datetime(df['DOB']).dt.date
df['date_of_admission'] = pd.to_datetime(df['date_of_admission']).dt.date
df['age'] = ((df['date_of_admission']-df['DOB']).dt.days) //365

结果：

DOB       date_of_admission   age
2000-05-07  2019-01-19       18.0
1965-01-30  2019-03-21       54.0
NaT         2018-11-02       NaN

1).您做得很正确，但是DOB只包含日期，并且date_of_admission同时包含日期和时间。操作date_of_admission，使其只包含日期，然后您将得到您的结果。
2).在这里，我将change function添加到您的代码中，以便您可以得到您的结果。

import numpy as np
import pandas as pd
from datetime import dt

def change(x):
    return x.date()

df['date_of_admission'] = df['date_of_admission'].apply(change)

df['age'] = df['date_of_admission'].subtract(df['DOB']).dt.days // 365

希望对你有帮助。

我正在使用MIMIC III数据集，也遇到了这个问题。我发现@Rahul_chacharan关于使用df['date_of_admission'].subtract(df['DOB']).dt.days // 365的评论对我很有效！

我想我们在处理MIMIC3数据库时都会遇到这个问题，下面是我的解决方案，非常直观，而且速度快得多，大家可以试试。

df_labevents_temp['age']  = ((df['date_of_admission'].values  - df['DOB'].values).astype(np.int)/8.64e13//365).astype(np.int)

我的想法是把它转换成numpy int，然后从ns转换成years.Pandas日期diff函数对我来说不起作用，使用apply太慢了（我认为只是循环）。

对于从@tawab_shakeel的答案中得到错误AttributeError: Can only use .dt accessor with datetimelike values的用户，请尝试以下代码

import pandas as pd

df['date_of_admission'] = pd.to_datetime(df['date_of_admission']).dt.date

df['DOB'] = pd.to_datetime(df['DOB']).dt.date

df['age'] = ((df['date_of_admission']-df['DOB']) //365).dt.days

它将返回int值作为年龄