将月份添加到 pandas 中的日期时间列

Question

我有一个包含 2 列的数据框 df，如下所示 -

               START_DATE             MONTHS
0              2015-03-21                240
1              2015-03-21                240
2              2015-03-21                240
3              2015-03-21                240
4              2015-03-21                240
5              2015-01-01                120
6              2017-01-01                240
7                     NaN                NaN
8                     NaN                NaN
9                     NaN                NaN

2列的数据类型都是对象。

>>> df.dtypes
START_DATE    object
MONTHS        object
dtype: object

现在，我想通过添加 df['START_DATE'] 和 df['MONTHS'] 创建一个新列 "Result"。所以，我做了以下 -

from dateutil.relativedelta import relativedelta  

df['START_DATE'] = pd.to_datetime(df['START_DATE'])
df['MONTHS'] = df['MONTHS'].astype(float)

df['offset'] = df['MONTHS'].apply(lambda x: relativedelta(months=x))

df['Result'] = df['START_DATE'] + df['offset']

在这里，我得到以下错误 -

TypeError: incompatible type [object] for a datetime/timedelta operation

注意：想要将 df['Months'] 转换为 int 但无法工作，因为该字段有空值。

能给我一些吗directions.Thanks.

Answer 1

如果您的数据框很小，请使用以下内容。我使用了 axis=1，这是按行操作。如果你的数据帧很大，它会很慢

> df['offset'] = df.dropna().apply(lambda v: relativedelta(months=int(v['MONTHS'])) + v['START_DATE'], axis=1)
> df
  START_DATE  MONTHS     offset
0 2015-03-21     240 2035-03-21
1 2015-03-21     240 2035-03-21
2 2015-03-21     240 2035-03-21
3 2015-03-21     240 2035-03-21
4 2015-03-21     240 2035-03-21
5 2015-01-01     120 2025-01-01
6 2017-01-01     240 2037-01-01
7        NaT     NaN        NaT
8        NaT     NaN        NaT
9        NaT     NaN        NaT

Answer 2

这里有一种不用 dateutil.relativedelta 的方法。请注意，我将 MONTHS 转换为整数（并且仅在删除空值之后，因为 int 不接受空值）因为我想每年除以 12 个月，利用以下事实商是年的增量，modulo/remainder 是月的增量。

import pandas as pd

df = pd.DataFrame({'START_DATE':['2015-03-21','2015-03-21','2015-03-21','2015-03-21',
                                 '2015-03-21','2015-01-01','2017-01-01', None,None,None],
                   'MONTHS':[240,240,240,240,240,120,240,None,None,None]},
                  dtype='object') # replicate example data

df.dropna(inplace=True) # drop nulls so can convert MONTHS to int
df['START_DATE'] = pd.to_datetime(df['START_DATE'])
df['MONTHS'] = df.MONTHS.astype(int)

df.apply(lambda x: pd.datetime(x.START_DATE.year + x.MONTHS / 12,
                               x.START_DATE.month + x.MONTHS % 12,
                               x.START_DATE.day), axis=1)

Answer 3

这是执行此操作的矢量化方法，因此应该非常高效。请注意，它不处理月份交叉/结束（并且不能很好地处理 DST 更改。我相信这就是你得到时间的原因）。

In [32]: df['START_DATE'] + df['MONTHS'].values.astype("timedelta64[M]")
Out[32]: 
0   2035-03-20 20:24:00
1   2035-03-20 20:24:00
2   2035-03-20 20:24:00
3   2035-03-20 20:24:00
4   2035-03-20 20:24:00
5   2024-12-31 10:12:00
6   2036-12-31 20:24:00
7                   NaT
8                   NaT
9                   NaT
Name: START_DATE, dtype: datetime64[ns]

如果您需要精确的 MonthEnd/Begin 处理，这是一种合适的方法。 (使用MonthsOffset得到同一天)

In [33]: df.dropna().apply(lambda x: x['START_DATE'] + pd.offsets.MonthEnd(x['MONTHS']), axis=1)
Out[33]: 
0   2035-02-28
1   2035-02-28
2   2035-02-28
3   2035-02-28
4   2035-02-28
5   2024-12-31
6   2036-12-31
dtype: datetime64[ns]

Answer 4

这是另一个矢量化 numpy 解决方案：

In [111]: mask = (df.START_DATE.notnull() & df.MONTHS.notnull())

In [112]: df.loc[mask, 'Result'] = (
     ...:     df.START_DATE.loc[mask].values.astype('M8[M]') + \
     ...:     (df.MONTHS.loc[mask].values.astype(int) * np.timedelta64(1, 'M'))
     ...: ).astype('M8[D]') - np.timedelta64(1, 'D')
     ...:

In [113]: df
Out[113]:
  START_DATE  MONTHS     Result
0 2015-03-21   240.0 2035-02-28
1 2015-03-21   240.0 2035-02-28
2 2015-03-21   240.0 2035-02-28
3 2015-03-21   240.0 2035-02-28
4 2015-03-21   240.0 2035-02-28
5 2015-01-01   120.0 2024-12-31
6 2017-01-01   240.0 2036-12-31
7        NaT     NaN        NaT
8        NaT     NaN        NaT
9        NaT     NaN        NaT

Answer 5

作为对 Jeff 的回应，我认为这在不是 12 的倍数的月份不能正常工作。就像我的初始日期是 '2020-05-04 (yyyy-mm-dd) 和月份一样57. 但是添加了 2025-02-01（而不是 2025-02-04）。

init_workbook['CALC_DATE']= init_workbook['STRTDATE']+init_workbook['MONTHS'].values.astype("timedelta64[M]")

>>> init_workbook.head(4)
   MONTHS    STRTDATE   CALC_DATE
0      12  2020-05-04  2021-05-04
1      12  2020-05-04  2021-05-04
2      57  2020-05-04  2025-02-01
3      34  2020-05-20  2023-03-20

现在，如果日期大于 12，那么它会给出正确的结果，但如果日期 <12，那就是它失败的地方

将月份添加到 pandas 中的日期时间列

Add months to a datetime column in pandas

python

ipython

python-2.7

python-3.x

pandas