Python pandas：如何创建一个固定日期的列+另一列中的#天答案

【问题标题】：Python pandas: how to create a column which is a fixed date + the # days in another columnPython pandas：如何创建一个固定日期的列+另一列中的#天
【发布时间】：2019-07-26 18:39:06
【问题描述】：

我需要向数据框添加一列，以便第 0 行是 2019 年 2 月 15 日。第 1 行是第 16 行，等等。我尝试过使用索引：

import numpy as np
import pandas as pd
df=pd.DataFrame()
df['a']=np.arange(10,20)
df['date from index']=df.apply( lambda x: pd.to_datetime('15-2-2019') + pd.DateOffset(days=x.index), axis=1 )

但我明白了：

TypeError: ('必须是 str，而不是 int'，'发生在索引 0')

我承认我不明白。我尝试创建一个显式列来代替索引：

df=pd.DataFrame()
df['a']=np.arange(10,20)
df['counter']=np.arange(0,df.shape[0])
df['date from counter']=df.apply( lambda x: pd.to_datetime('15-2-2019') + pd.DateOffset(days=x['counter']), axis=1 )

但这给了我：

TypeError: ('timedelta days 组件不支持的类型： numpy.int32', '发生在索引 0')

我做错了什么？

【问题讨论】：

谢谢你们！只是为了我的理解，我在我的例子中做错了什么？
编辑了我的答案

标签： python pandas date

【解决方案1】：

您可以使用 pd.to_timedelta 将其矢量化：

# pd.to_timedelta(df.index, unit='d') + pd.to_datetime('15-2-2019') # whichever
pd.to_timedelta(df.a, unit='d') + pd.to_datetime('15-2-2019')

0   2019-02-25
1   2019-02-26
2   2019-02-27
3   2019-02-28
4   2019-03-01
5   2019-03-02
6   2019-03-03
7   2019-03-04
8   2019-03-05
9   2019-03-06
Name: a, dtype: datetime64[ns]

df['date_from_counter'] = (
    pd.to_timedelta(df.a, unit='d') + pd.to_datetime('15-2-2019'))
df

    a  counter date_from_counter
0  10        0        2019-02-25
1  11        1        2019-02-26
2  12        2        2019-02-27
3  13        3        2019-02-28
4  14        4        2019-03-01
5  15        5        2019-03-02
6  16        6        2019-03-03
7  17        7        2019-03-04
8  18        8        2019-03-05
9  19        9        2019-03-06

正如预期的那样，您可以在任何具有正确单位的整数列上调用 pd.to_timedelta，然后使用生成的 Timedelta 列进行日期时间算术。

要使您的代码正常工作，您似乎需要传递int，而不是np.int（不知道为什么）。这行得通。

dt = pd.to_datetime('15-2-2019')
df['date from counter'] = df.apply(
    lambda x: dt + pd.DateOffset(days=x['counter'].item()), axis=1)
df

    a  counter date from counter
0  10        0        2019-02-15
1  11        1        2019-02-16
2  12        2        2019-02-17
3  13        3        2019-02-18
4  14        4        2019-02-19
5  15        5        2019-02-20
6  16        6        2019-02-21
7  17        7        2019-02-22
8  18        8        2019-02-23
9  19        9        2019-02-24

【讨论】：

【解决方案2】：

使用to_timedelta 将值转换为日时间增量或使用参数origin 在to_datetime 中使用参数unit 指定开始日期：

df['date from index']= pd.to_datetime('15-2-2019') + pd.to_timedelta(df.index, 'd')
df['date from counter']= pd.to_datetime('15-2-2019') + pd.to_timedelta(df['counter'], 'd')

df['date from index1']= pd.to_datetime(df.index, origin='15-02-2019', unit='d')
df['date from counter1']= pd.to_datetime(df['counter'], origin='15-02-2019', unit='d')
print(df.head())
    a  counter date from index date from counter date from index1  \
0  10        0      2019-02-15        2019-02-15       2019-02-15   
1  11        1      2019-02-16        2019-02-16       2019-02-16   
2  12        2      2019-02-17        2019-02-17       2019-02-17   
3  13        3      2019-02-18        2019-02-18       2019-02-18   
4  14        4      2019-02-19        2019-02-19       2019-02-19   

  date from counter1  
0         2019-02-15  
1         2019-02-16  
2         2019-02-17  
3         2019-02-18  
4         2019-02-19

【讨论】：