Python Timedelta[M] 添加不完整天数

如何解决Python Timedelta[M] 添加不完整天数

我有一个表，其中有一个 Months_since_Start_fin_year 列和一个 Date 列。我需要将第一列中的月数与第二列中的日期相加。

DateTable['Date']=DateTable['First_month']+DateTable['Months_since_Start_fin_year'].astype("timedelta64[M]")

这适用于第 0 个月，但第 1 个月的时间已经不同，并且第 2 个月的日期错误。 Image of output table where early months have the correct date but month 2 where I would expect June 1st actually shows May 31st 一定是添加了不完整的月份，但我不知道如何解决？

我也试过

DateTable['Date']=DateTable['First_month']+relativedelta(months=DateTable['Months_since_Start_fin_year'])

但我收到一个类型错误，内容为

TypeError: 无法将系列转换为

我的 Months_since_Start_fin_year 是 int32 类型，我的 First_month 变量是 datetime64[ns]

解决方法

添加月份作为日期偏移量的问题在于，并非所有月份的长度都相同（28-31 天）。所以你需要 pd.DateOffset 来为你处理这种歧义。另一方面，.astype("timedelta64[M]") 只为您提供一年内每月的平均天数 (30 days 10:29:06)。

例如：

import pandas as pd

# a synthetic example since you didn't provide a mre
df = pd.DataFrame({'start_date': 7*['2017-04-01'],'month_offset': range(7)})

# make sure we have datetime dtype
df['start_date'] = pd.to_datetime(df['start_date'])

# add month offset
df['new_date'] = df.apply(lambda row: row['start_date'] + 
                                      pd.DateOffset(months=row['month_offset']),axis=1)

这会给你例如

df
  start_date  month_offset   new_date
0 2017-04-01             0 2017-04-01
1 2017-04-01             1 2017-05-01
2 2017-04-01             2 2017-06-01
3 2017-04-01             3 2017-07-01
4 2017-04-01             4 2017-08-01
5 2017-04-01             5 2017-09-01
6 2017-04-01             6 2017-10-01

您可以在此处找到类似的示例，例如Add months to a date in Pandas。我只是通过使用 apply 修改了那里的答案，以便能够从 DataFrame 的列之一中获取几个月的偏移量。