使用单独的列整数向pandas中的列添加天

Question

我试过了日期时间.timedelta在这个系列中pd.日期偏移. 两者都不起作用。我知道我可以迭代这个数据帧并手动添加它们，但我正在寻找一种矢量化的方法。你知道吗

示例：

d = {pd.Timestamp('2015-01-02'):{'days_delinquent':11}, pd.Timestamp('2015-01-15'):{'days_delinquent':23}}
>>> dataf = pd.DataFrame.from_dict(d,orient='index')
>>> dataf
            days_delinquent
2015-01-02               11
2015-01-15               23

只是想在下面的行中加上11天和23天。我在现实生活中添加到的列不是索引，但我显然可以在执行此操作时将其作为索引。你知道吗

我猜这不是自解释的，但是输出将是一个带有日期的新列（在本例中是索引）+日期时间.timedelta（days=dataf['拖欠天数']）

Answer 1

您可以将days_delinquent列转换为timedelta64[D]（以天为单位的偏移量），并将其添加到索引中，例如：

import pandas as pd

d = {pd.Timestamp('2015-01-02'):{'days_delinquent':11}, pd.Timestamp('2015-01-15'):{'days_delinquent':23}}
df = pd.DataFrame.from_dict(d,orient='index')
df['returned_on'] = df.index + df.days_delinquent.astype('timedelta64[D]')

更好的（谢谢DSM）是使用pd.to_timedelta，因此如果需要，单位更容易更改：

df['returned_on'] = df.index + pd.to_timedelta(df.days_delinquent, 'D')

给你：

            days_delinquent returned_on
2015-01-02               11  2015-01-13
2015-01-15               23  2015-02-07

Answer 2

import pandas as pd

d = {pd.Timestamp('2015-01-02'):{'days_delinquent':11}, 
    pd.Timestamp('2015-01-15'):{'days_delinquent':23}}
df = pd.DataFrame.from_dict(d,orient='index')

def add_days(x):
    return x['index'] + pd.Timedelta(days=x['days_delinquent'])

df.reset_index().apply(add_days,axis=1)

输出：

0   2015-01-13
1   2015-02-07
dtype: datetime64[ns]

Answer 3

dataf['result'] = [d + datetime.timedelta(delta) 
                   for d, delta in zip(dataf.index, dataf.days_delinquent)]

dataf
Out[56]: 
            days_delinquent     result
2015-01-02               11 2015-01-13
2015-01-15               23 2015-02-07