将 datetime timedelta 与 pandas DF 中的系列一起使用答案

【问题标题】：Using datetime timedelta with a series in a pandas DF将 datetime timedelta 与 pandas DF 中的系列一起使用
【发布时间】：2016-05-21 12:40:03
【问题描述】：

我有一个看起来像这样的 pandas sim_df：

现在，我想添加另一列“日期”，即对应于“现在”加上“cum_days”（增量时间）的日期。

start = dt.datetime.now()
sim_df['date'] = start + dt.timedelta(sim_df['cum_days'])

但看起来 deltatime 不使用系列，而是使用固定标量。

TypeError: unsupported type for timedelta days component: Series

有没有办法在向量化操作中解决这个问题，而无需遍历 sim_df 的每一行？

【问题讨论】：

cum_days 是什么类型？浮动？

标签： python datetime pandas

【解决方案1】：

这个怎么样？

start = dt.datetime.now()
sim_df['date'] = start + sim_df['cum_days'].map(dt.timedelta)

这会将dt.timedelta 分别应用于cum_days 列的每个元素。

【讨论】：

很棒的pythonic答案。谢谢
有没有办法将时间增量指定为月而不是天？ @克里斯
@WesleyKitlasten 不明白为什么，你试过了吗？
@Kris，我尝试了很多东西。我终于让它工作了： df['date']=pd.to_datetime(simstart)+pd.TimedeltaIndex(df['day'], unit='D') Where simstart = datetime.date(1979,7,2 ) 和 df['day'] 是天数。其次是 df.set_index('date',inplace=True) df.drop(['day'],inplace=True,axis=1)

【解决方案2】：

从您的列中构造一个TimedeltaIndex 并将其添加到标量值：

In [26]:
sim_df = pd.DataFrame({'delta_time_days': [1.02, .09, 1.08, 1.7, 4.1, 0.3, .13, .01, .3, .7], 
                       'cum_days': [1.1, 1.1, 2.2, 3.9, 8.0, 8.3, 8.4, 8.4, 8.8, 9.5]})
start = dt.datetime.now()
sim_df['date'] = start + pd.TimedeltaIndex(sim_df['cum_days'], unit='D')
sim_df

Out[26]:
   cum_days  delta_time_days                       date
0       1.1             1.02 2016-02-12 01:40:32.413413
1       1.1             0.09 2016-02-12 01:40:32.413413
2       2.2             1.08 2016-02-13 04:04:32.413413
3       3.9             1.70 2016-02-14 20:52:32.413413
4       8.0             4.10 2016-02-18 23:16:32.413413
5       8.3             0.30 2016-02-19 06:28:32.413413
6       8.4             0.13 2016-02-19 08:52:32.413413
7       8.4             0.01 2016-02-19 08:52:32.413413
8       8.8             0.30 2016-02-19 18:28:32.413413
9       9.5             0.70 2016-02-20 11:16:32.413413

【讨论】：

【解决方案3】：

使用列表推导将 timedelta 添加到现在。

sim_df = pd.DataFrame({'delta_time_days': [1.02, .09, 1.08, 1.7, 4.1, 0.3, .13, .01, .3, .7], 
                       'cum_days': [1.1, 1.1, 2.2, 3.9, 8.0, 8.3, 8.4, 8.4, 8.8, 9.5]})

sim_df['date'] = [dt.datetime.now() + dt.timedelta(days=d) for d in sim_df.cum_days]

>>> sim_df
   cum_days  delta_time_days                       date
0       1.1             1.02 2016-02-11 17:36:11.320271
1       1.1             0.09 2016-02-11 17:36:11.320286
2       2.2             1.08 2016-02-12 20:00:11.320289
3       3.9             1.70 2016-02-14 12:48:11.320292
4       8.0             4.10 2016-02-18 15:12:11.320296
5       8.3             0.30 2016-02-18 22:24:11.320299
6       8.4             0.13 2016-02-19 00:48:11.320301
7       8.4             0.01 2016-02-19 00:48:11.320304
8       8.8             0.30 2016-02-19 10:24:11.320306
9       9.5             0.70 2016-02-20 03:12:11.320309

【讨论】：

这是最快的方法