在数据分析工作中，我们经常会遇到一张表里包含多个日期字段的情况，比如订单表中有创建时间、付款时间、退款时间等。当需要统计在某个指定时间范围内，这些日期列各自有多少行数据命中条件时，如果采用传统的逐行遍历方式，不仅代码繁琐，而且在数据量较大时性能会急剧下降。Pandas作为Python最核心的数据处理库，提供了完善的日期时间处理机制和向量化运算能力，能够让我们用极简洁的代码完成这类多列日期范围的行数统计。
日期数据的读取与类型转换
在使用Pandas统计日期之前，最重要的一步是确保相关列已经被正确解析为日期时间类型，而不是默认的字符串或object类型。很多初学者直接对字符串列做比较，结果要么报错，要么得到错误的布尔结果。我们可以在读取数据时使用parse_dates参数，或者在读取后通过pd.to_datetime函数进行显式转换。转换时还要注意原数据中可能存在的空值，以及日期格式是否统一，例如2023-01-01和01/01/2023混用的情况。
如果数据来源于CSV文件，推荐在read_csv中指定需要解析的列名列表。转换完成后，可以通过df.dtypes检查对应列是否为datetime64[ns]类型。只有真正成为日期类型，后续的范围比较才会被Pandas按照时间轴而非字典序处理。此外，若业务数据涉及时区，应在转换时通过utc=True先统一到UTC，再按需转换本地时区，避免因为时区偏移造成边界行统计遗漏。
下面是一段典型的读取与转换代码，展示如何安全地准备多列日期数据：
import pandas as pd
# 读取CSV并解析多列日期
df = pd.read_csv(
'orders.csv',
parse_dates=['create_time', 'pay_time', 'refund_time']
)
# 如果之前未解析，可显式转换并处理空值
df['create_time'] = pd.to_datetime(df['create_time'], errors='coerce')
df['pay_time'] = pd.to_datetime(df['pay_time'], errors='coerce')
# 查看转换后的类型
print(df.dtypes)
利用布尔掩码统计单列日期范围行数
当日期列类型正确后，统计某一列在指定范围内的行数就变得非常简单。核心思路是构造一个布尔掩码：用大于等于起始时间、且小于等于结束时间的逻辑表达式，得到一串True或False的Series，然后对该掩码调用sum方法。由于True在Pandas中被视为1，False视为0，求和结果就是命中范围的行数。这种向量化操作完全在底层C语言层面执行，比任何Python层循环都快得多。
需要注意的是，边界条件要根据业务含义确定是否包含端点。例如统计2023年整年的数据，结束日期应设为2023-12-31 23:59:59，或者使用更优雅的半开区间写法，将结束设为2024-01-01并配合严格小于号。另外，若列中存在NaT（缺失时间），它们参与比较会得到False，不会计入结果，这通常符合统计预期，但我们需要在报告中说明缺失值未被统计，以免误导。
以下示例演示了如何统计支付时间在2023年内的订单行数：
start = pd.Timestamp('2023-01-01')
end = pd.Timestamp('2024-01-01')
# 构造半开区间掩码
mask = (df['pay_time'] >= start) & (df['pay_time'] < end)
count_pay = mask.sum()
print('支付时间在2023年的行数:', count_pay)
多列日期范围的批量高效统计
实际业务中往往要同时看多个日期列，如果为每一列手写一遍掩码，代码会显得重复且不易维护。我们可以把需要统计的列名放进一个列表，然后通过循环或apply批量生成每列的统计结果。更推荐的做法是使用字典推导式，将列名映射到对应的计数，既清晰又高效。由于每一步仍然是向量化运算，整体耗时几乎和单列统计持平，远胜于逐行判断。
为了进一步提升可读性与复用性，可以封装一个函数，接收DataFrame、日期列列表以及起止时间，返回带有列名和计数的Series。如果数据量极大（百万行以上），还可以考虑先对日期列做索引化，或者使用query方法让Pandas内部优化表达式。不过对于绝大多数场景，直接的布尔掩码已经足够高效，且调试方便，不必过早引入复杂优化。
下面的代码展示了批量统计多列在指定范围内行数的完整写法：
date_cols = ['create_time', 'pay_time', 'refund_time']
start = pd.Timestamp('2023-01-01')
end = pd.Timestamp('2024-01-01')
# 字典推导式批量统计
result = {
col: ((df[col] >= start) & (df[col] < end)).sum()
for col in date_cols
}
result_series = pd.Series(result)
print(result_series)
# 封装为函数方便复用
def count_in_range(df, cols, start, end):
return pd.Series({
c: ((df[c] >= start) & (df[c] < end)).sum()
for c in cols
})
print(count_in_range(df, date_cols, start, end))
常见误区与性能注意事项
在统计多列日期范围时，一个常见误区是拿字符串列直接做大小比较。比如df['pay_time'] > '2023-01-01'在列是object类型时，可能按字符串比较而看似能运行，但一旦日期格式不统一就会出错，且无法处理时区。另一个误区是滥用iterrows或apply传Python函数，把向量化优势白白浪费。应当始终优先使用Pandas内置的日期类型和布尔运算。
从性能角度看，如果DataFrame特别宽且只需统计少数几列，可以先用df[date_cols]抽取子表，减少不必要的内存占用。当日期范围统计需要反复执行时，可考虑将日期列设为DatetimeIndex，利用df.between_time或切片加速。最后，记得在报告阶段区分清楚“范围内行数”和“范围内且非缺失行数”，让结论经得起业务方推敲。
综上所述，借助Pandas的日期解析、布尔掩码与批量推导，我们能用十几行代码稳健高效地完成多列日期数据在指定范围内的行数统计，既保证了准确性，也兼顾了执行效率。
Pandasdatetime_rangerow_count修改时间：2026-08-18 08:00:32