Question

以下是设置：

我有两个（整数索引）列，start和month_delta。 start有时间戳（其内部类型为np.datetime64[ns]），month_delta为整数。

我希望快速生成由start中的每个日期时间组成的列，并偏移month_delta中相应的月数。我该怎么做？

我尝试过的东西不起作用：

apply太慢了。
您无法将一系列DateOffset个对象添加到一系列datetime64[ns] dtype（或DatetimeIndex）中。
您也不能使用一系列timedelta64个对象;熊猫默默地将基于月份的timedeltas转换为基于纳秒的timedeltas，这个timedeltas长达30天。（哎呀！没有失败的事情发生了什么？）

目前，我正在迭代month_delta的所有不同值，并在我创建的tshift的相关部分上执行DatetimeIndex，但这是可怕的 kludge：

new_dates = pd.Series(pd.Timestamp.now(), index=start.index)
date_index = pd.DatetimeIndex(start)
for i in xrange(month_delta.max()):
    mask = (month_delta == i)
    cur_dates = pd.Series(index=date_index[mask]).tshift(i, freq='M').index
    new_dates[mask] = cur_dates

呸！有什么建议吗？

Answer 1

这是一种方法（通过在timedelta64s中添加NumPy datetime64s）而不调用apply：

import pandas as pd
import numpy as np
np.random.seed(1)

def combine64(years, months=1, days=1, weeks=None, hours=None, minutes=None,
              seconds=None, milliseconds=None, microseconds=None, nanoseconds=None):
    years = np.asarray(years) - 1970
    months = np.asarray(months) - 1
    days = np.asarray(days) - 1
    types = ('<M8[Y]', '<m8[M]', '<m8[D]', '<m8[W]', '<m8[h]',
             '<m8[m]', '<m8[s]', '<m8[ms]', '<m8[us]', '<m8[ns]')
    vals = (years, months, days, weeks, hours, minutes, seconds,
            milliseconds, microseconds, nanoseconds)
    return sum(np.asarray(v, dtype=t) for t, v in zip(types, vals)
               if v is not None)

def year(dates):
    "Return an array of the years given an array of datetime64s"
    return dates.astype('M8[Y]').astype('i8') + 1970

def month(dates):
    "Return an array of the months given an array of datetime64s"
    return dates.astype('M8[M]').astype('i8') % 12 + 1

def day(dates):
    "Return an array of the days of the month given an array of datetime64s"
    return (dates - dates.astype('M8[M]')) / np.timedelta64(1, 'D') + 1

N = 10
df = pd.DataFrame({
   'start': pd.date_range('2000-1-25', periods=N, freq='D'),
   'months': np.random.randint(12, size=N)})
start = df['start'].values
df['new_date'] = combine64(year(start), months=month(start) + df['months'], 
                           days=day(start))

print(df)

产量

   months      start   new_date
0       5 2000-01-25 2000-06-25
1      11 2000-01-26 2000-12-26
2       8 2000-01-27 2000-09-27
3       9 2000-01-28 2000-10-28
4      11 2000-01-29 2000-12-29
5       5 2000-01-30 2000-06-30
6       0 2000-01-31 2000-01-31
7       0 2000-02-01 2000-02-01
8       1 2000-02-02 2000-03-02
9       7 2000-02-03 2000-09-03

Answer 2

我觉得这样的事情可能有用：

df['start'] = pd.to_datetime(df.start)
df.groupby('month_delta').apply(lambda x: x.start + pd.DateOffset(months=x.month_delta.iloc[0]))

可能有更好的方法来创建一系列DateOffset个对象并添加一些方法，但是idk ......

Answer 3

我没有找到办法，至少没有使用apply进行设置，但假设没问题：

df = pandas.DataFrame(
    [[datetime.date(2014,10,22), 1], [datetime.date(2014,11,20), 2]], 
    columns=['date','delta'])
>>> df
         date  delta
0  2014-10-22      1
1  2014-11-20      2

from dateutil.relativedelta import relativedelta

df['offset'] = df['delta'].apply(lambda x: relativedelta(months=x))
>>> df['date'] + df['offset']
0    2014-11-22
1    2015-01-20

请注意，您必须使用datetime模块中的datetime，而不是numpy或pandas模块。由于您只使用apply创建delta，我希望您能体验到加速。

熊猫：快速将可变数月份添加到时间戳列

3 个答案: