使用自v0.15.0起可用的Pandas类型Timedelta，您还可以执行以下操作：

In[1]: import pandas as pd
In[2]: df = pd.DataFrame([ pd.Timestamp('20150111'), 
                           pd.Timestamp('20150301') ], columns=['date'])
In[3]: df['today'] = pd.Timestamp('20150315')
In[4]: df
Out[4]: 
        date      today
0 2015-01-11 2015-03-15
1 2015-03-01 2015-03-15

In[5]: (df['today'] - df['date']).dt.days
Out[5]: 
0    63
1    14
dtype: int64

你需要0.11（0.11rc1已经出来了，最后的问题将在下周解决）

In [9]: df = DataFrame([ Timestamp('20010101'), Timestamp('20040601') ])

In [10]: df
Out[10]: 
                    0
0 2001-01-01 00:00:00
1 2004-06-01 00:00:00

In [11]: df = DataFrame([ Timestamp('20010101'), 
                          Timestamp('20040601') ],columns=['age'])

In [12]: df
Out[12]: 
                  age
0 2001-01-01 00:00:00
1 2004-06-01 00:00:00

In [13]: df['today'] = Timestamp('20130419')

In [14]: df['diff'] = df['today']-df['age']

In [16]: df['years'] = df['diff'].apply(lambda x: float(x.item().days)/365)

In [17]: df
Out[17]: 
                  age               today                diff      years
0 2001-01-01 00:00:00 2013-04-19 00:00:00 4491 days, 00:00:00  12.304110
1 2004-06-01 00:00:00 2013-04-19 00:00:00 3244 days, 00:00:00   8.887671

最后需要这个奇怪的应用程序，因为还没有完全支持timedelta64[ns]标量（例如，我们现在使用Timestamp表示datetime64[ns]，其值为0.12）

不确定你是否还需要它，但是在Pandas 0.14中我通常使用. astype（'timedelta64 [X]'）方法http://pandas.pydata.org/pandas-docs/stable/timeseries.html（频率转换）

df = pd.DataFrame([ pd.Timestamp('20010101'), pd.Timestamp('20040605') ])
df.ix[0]-df.ix[1]

退货：
x一个一个一个一个x一个一个二个x
退货：

0   -4
 dtype: float64

希望能有所帮助

让我们指定一个名为time_difference的panda系列，其类型为numpy.timedelta64[ns]
一种只提取日期（或任何所需属性）的方法如下：

just_day = time_difference.apply(lambda x: pd.tslib.Timedelta(x).days)

使用此函数是因为numpy.timedelta64对象没有“days”属性。

要将任何类型的数据转换为天数，只需使用pd.Timedelta().days：

pd.Timedelta(1985, unit='Y').days
84494