使用Timestamp.strftime和Series.dt.strftime以及to_datetime作为日期时间，使用Series.isna作为测试缺失值，使用Series.dt.days与条件链接以测试天数差异，并在numpy.where中创建新列：

d1 = pd.to_datetime(pd.Timestamp.today().strftime('%m-%d'), format='%m-%d')
d2 = pd.to_datetime(df['date_2021'].dt.strftime('%m-%d'), format='%m-%d')

m = df['date_2022'].isna()

df['inspection'] = np.where(((d1 - d2).dt.days > 14) & m, 'check', np.nan)

好吧，你不能在Pandas中使用循环，即使在@jezrael给出的答案中，循环是通过使用pandas的内置方法抽象出来的。一种更精细的方法是使用pandas.DataFrame.apply并将所有代码抽象到一个方法中，类似这样。
使用您的确切代码-首先，我注意到您正在使用另一个df，所以我认为您可能需要合并/连接两个报告以获得相同 Dataframe 中的列。在下面的例子中，我把你的方法作为主要的方法。

def perform_inspection(row, today, esgReport2021):
    #trace back
    if row['date_2022'] is pd.NaT and esgReport2021.at[row.name,'date_2021'] is not pd.NaT:
        # get the modified date
        old_month = esgReport2021.at[row.name,'date_2021'].month
        old_day = esgReport2021.at[row.name,'date_2021'].day
        old_modified_date = datetime.date(today.year, old_month, old_day)
        # get difference in days
        diff = today - old_modified_date
        days = diff.days
        #range 14 days
        if days > 14:
            row['inspection'] = 'check'
    return row

today = pd.Timestamp.today().date()
df["date_2022"] = pd.NaT    #Assuming this is the 0th day of your report processing.
df["inspection"] = pd.NaT
df = df.apply(perform_inspection, axis=1, args = (today, esgReport2021,))

如您在方法定义中所见，Apply方法将通过将行本身作为第一个参数传递来处理一个或多个“行”级别的操作。