pandas时间计算及类型转换和apply应用

应用背景：

有一组销售单数据，需要计算销售单开单时间到当前日期的时差；取得差异的天数，

计算时差所在时间区间，用于生成透视表。

销售组	销售员	开单时间	时差	时间节点
1组	员A	2022-1-13 15:52
2组	员B	2022-2-17 14:09
3组	员C	2022-2-25 14:16

import pandas as pd
import datetime

#读入文件省略，读取后DataFrame的名称为df_A
df_A['时差'] = datetime.date.today()- pd.to_datetime(df_A['开单时间'],format='%Y-%m-%d')

销售组	销售员	开单时间	时差	时间节点
1组	员A	2022-1-13 15:52	93 days 08:07:32
2组	员B	2022-2-17 14:09	58 days 09:50:41
3组	员C	2022-2-25 14:16	50 days 10:50:37

*:一开始想对“时差”列通过分列split来获取days前的数字， 但DataFrame获取列后是Series不能使用分列函数，最后得换个方法；

df_A['时差'] = df_A['时差'].astype('timedelta64[D]').astype(float)

销售组	销售员	开单时间	时差	时间节点
1组	员A	2022-1-13 15:52	93
2组	员B	2022-2-17 14:09	58
3组	员C	2022-2-25 14:16	50

此时就可用apply函数对“时间节点”进行区间计算 

def getA(df):
    if df>7:
        return '1周以上'
    else:
        return '周内'
df_A['时间节点']=df_A['时差'].apply(getA)

销售组	销售员	开单时间	时差	时间节点
1组	员A	2022-1-13 15:52	93	1周以上
2组	员B	2022-2-17 14:09	58	1周以上
3组	员C	2022-2-25 14:16	50	1周以上