Python中的整数日期：timedelta天组件不支持的类型：系列答案

【问题标题】：Integer to date in Python: unsupported type for timedelta days component: SeriesPython中的整数日期：timedelta天组件不支持的类型：系列
【发布时间】：2021-03-24 05:59:57
【问题描述】：

我想在数据框事务中从 DAY 列创建一个新列 DATE（列出研究开始后的天数）。比如，如果 DAY 是 1，我希望 DATE 显示 2014-1-1，或者如果 DAY 是 12，它应该是 2014-1-12。这就是我正在做的将日期转换为日期的工作：

import datetime
def serial_date_to_string(srl_no):
    new_date = datetime.datetime(2014,1,1,0,0) + datetime.timedelta(srl_no - 1)
    return new_date.strftime("%Y-%m-%d")

但是，当我尝试使用此公式添加新列时，它不起作用：

transaction['DATE'] = serial_date_to_string(transaction['DAY'])

TypeError：timedelta days 组件的类型不受支持：系列

但是 DAY 列类型是 int64。我尝试在论坛上搜索，发现公式可以调整，如果我尝试使用这个：

def serial_date_to_string(srl_no):
    new_date = datetime.datetime(2014,1,1,0,0) + (srl_no - 1).map(datetime.timedelta)
    return new_date.strftime("%Y-%m-%d")

它仍然给出 AttributeError: 'Series' object has no attribute 'strftime'。

感谢您的帮助！

【问题讨论】：

标签： python pandas date datetime

【解决方案1】：

使用map

transaction['DATE'] = transaction['DAY'].map(serial_date_to_string)

【讨论】：

【解决方案2】：

使用带有参数origin 的to_datetime 和unit=d 的days：

df = pd.DataFrame({'DAY':[1,12,20]})

df['date'] = pd.to_datetime(df['DAY'] - 1, origin='2014-01-01', unit='d')
print (df)
   DAY       date
0    1 2014-01-01
1   12 2014-01-12
2   20 2014-01-20

对于相同的输出添加Series.dt.strftime:

df['date'] = pd.to_datetime(df['DAY'] - 1, origin='2014-01-01', unit='d').dt.strftime("%Y-%m-%d")
print (df)
   DAY        date
0    1  2014-01-01
1   12  2014-01-12
2   20  2014-01-20

编辑：

对于您的功能可以使用Series.apply:

transaction['DATE'] = transaction['DAY'].apply(serial_date_to_string)

性能类似，apply 这里对于 10k 行是最快的：

import datetime
def serial_date_to_string(srl_no):
    new_date = datetime.datetime(2014,1,1,0,0) + datetime.timedelta(srl_no - 1)
    return new_date.strftime("%Y-%m-%d")
    

np.random.seed(2021)
df = pd.DataFrame({'DAY': np.random.randint(10, 1000, size=10000)})

In [17]: %timeit pd.to_datetime(df['DAY'] - 1, origin='2014-01-01', unit='d').dt.strftime("%Y-%m-%d")
79.4 ms ± 1.18 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)

In [18]: %timeit df['DAY'].apply(serial_date_to_string)
57.1 ms ± 110 µs per loop (mean ± std. dev. of 7 runs, 10 loops each)

In [19]: %timeit df['DAY'].map(serial_date_to_string)
64.7 ms ± 5.83 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)

【讨论】：