Oi Gustavo,

O erro que você está enfrentando, ValueError: time data "['01/06/2022', '01/07/2022']" doesn't match format "%d/%m/%Y", indica que a função pd.to_datetime está recebendo uma lista de strings como entrada, e não uma string individual como esperado.

Isso acontece porque a coluna datas_combinadas_pagamento (e possivelmente datas_de_pagamento) contém listas de datas, e não datas diretamente. 😳

Para corrigir isso, você precisa aplicar a conversão para datetime em cada elemento da lista dentro da coluna.

Veja um exemplo:

import pandas as pd

# Supondo que seu DataFrame 'dados' já esteja carregado

# Função para converter uma lista de strings em datetime
def converter_lista_datas(lista_datas):
    return [pd.to_datetime(data, format='%d/%m/%Y') for data in lista_datas]

# Aplicando a conversão nas colunas
dados['datas_combinadas_pagamento'] = dados['datas_combinadas_pagamento'].apply(converter_lista_datas)
dados['datas_de_pagamento'] = dados['datas_de_pagamento'].apply(converter_lista_datas)

# Agora, para calcular o atraso, você precisa acessar o primeiro elemento da lista de datas
dados['atraso'] = (dados['datas_de_pagamento'].apply(lambda x: x[0]) - dados['datas_combinadas_pagamento'].apply(lambda x: x[0])).dt.days

# Calcular a média de tempo de atraso por apartamentos
media_atraso = dados.groupby(['apartamento'])['atraso'].mean()

print(dados)
print(media_atraso)

Primeiro definimos uma função converter_lista_datas para converter cada string em datetime dentro de uma lista.

Em seguida, aplicamos essa função nas colunas datas_combinadas_pagamento e datas_de_pagamento usando apply.

Depois, para calcular o atraso, acessamos o primeiro elemento da lista de datas convertidas. 💪

Para saber mais: Documentação oficial do Pandas sobre to_datetime.

Continue praticando e explorando as funcionalidades do Pandas! 💯