这里有一个简单的答案，我的朋友：

df['nb_months'] = ((df.date2 - df.date1)/np.timedelta64(1, 'M'))

字符串
现在：

df['nb_months'] = df['nb_months'].astype(int)

型

另一种可能更优雅的解决方案是delta = df.Date2.dt.to_period('M') - df.Date1.dt.to_period('M')，它可以避免舍入错误。
从Pandas 0.24开始，这个表达式返回一个偏移量，可以用delta.apply(lambda x: x.n)转换为整数

df.assign(
    Months=
    (df.Date2.dt.year - df.Date1.dt.year) * 12 +
    (df.Date2.dt.month - df.Date1.dt.month)
)

       Date1      Date2  Months
0 2016-04-07 2017-02-01      10
1 2017-02-01 2017-03-05       1

字符串

这适用于pandas 1.1.1：

df['Months'] = df['Date2'].dt.to_period('M').astype(int) - df['Date1'].dt.to_period('M').astype(int)

df

# Out[11]: 
#        Date1      Date2  Months
# 0 2016-04-07 2017-02-01      10
# 1 2017-02-01 2017-03-05       1

字符串

只是对@pberkes答案的一个小补充。如果你想要整数值的答案，而不是pandas._libs.tslibs.offsets.MonthEnd，只需将.n附加到上面的代码中。

(pd.to_datetime('today').to_period('M') - pd.to_datetime('2020-01-01').to_period('M')).n
# [Out]:
# 7

字符串

有两种时间差的概念，在某种意义上都是正确的。让我们比较一下7月31日和9月01日之间的月份差异：

import numpy as np
import pandas as pd

dtr = pd.date_range(start="2016-07-31", end="2016-09-01", freq="D")
delta1 = int((dtr[-1] - dtr[0])/np.timedelta64(1,'M'))
delta2 = (dtr[-1].to_period('M') - dtr[0].to_period('M')).n
print(delta1,delta2)

字符串
使用numpy的时间增量，delta1=1，这是正确的，因为中间只有一个月，但是delta2=2，这也是正确的，因为9月离7月还有两个月。在大多数情况下，两者都会给出相同的答案，但是考虑到上下文，其中一个可能比另一个更正确。