要删除'days'文本元素，您还可以使用系列的dt（）访问器：https://pandas.pydata.org/pandas-docs/stable/generated/pandas.Series.dt.html
所以，

df[['A','B']] = df[['A','B']].apply(pd.to_datetime) #if conversion required
df['C'] = (df['B'] - df['A']).dt.days

该函数返回：

A          B   C
one 2014-01-01 2014-02-28  58
two 2014-02-03 2014-03-01  26

假设这些是datetime列（如果它们不是apply to_datetime），你可以减去它们：

df['A'] = pd.to_datetime(df['A'])
df['B'] = pd.to_datetime(df['B'])

In [11]: df.dtypes  # if already datetime64 you don't need to use to_datetime
Out[11]:
A    datetime64[ns]
B    datetime64[ns]
dtype: object

In [12]: df['A'] - df['B']
Out[12]:
one   -58 days
two   -26 days
dtype: timedelta64[ns]

In [13]: df['C'] = df['A'] - df['B']

In [14]: df
Out[14]:
             A          B        C
one 2014-01-01 2014-02-28 -58 days
two 2014-02-03 2014-03-01 -26 days

• 注意：请确保您使用的是新的pandas（例如0.13.1），这可能无法在旧版本中工作。

列表理解是你最好的选择，因为它是最Python（也是最快）的方法：

[int(i.days) for i in (df.B - df.A)]

1.我将返回时间增量（例如“-58天”）

1. i.days将返回一个长整型值（例如-58L）
2. int（i.days）会给予你你所寻求的-58。
   如果你的列不是日期时间格式。较短的语法是：df.A = pd.to_datetime(df.A)

不如这样：

times['days_since'] = max(list(df.index.values))  
times['days_since'] = times['days_since'] - times['months']  
times

上面的解决方案对我不起作用。如果你使用一个简单的pd.to_datetime()首先转换它，稍后你可以用途：

import numpy as np

df['C'] = df['A'] - df['B'] / np.timedelta64(1, 'D')