如何在Pandas中基于另一列给日期列添加月度增量？

需要基于DataFrame的monthly_increment列，为date列添加对应月度增量，生成new_date列。

示例数据集 #

index  monthly_increment     date
0           1             2018-12-01
1           2             2018-10-01
2           3             2018-12-01
3           4             2018-01-01
4           5             2018-06-01

期望结果 #

index  new_date
0      2019-01-01
1      2018-12-01
2      2019-03-01
3      2018-05-01
4      2018-11-01

尝试过的方案及问题 #

• 使用timedelta：不支持月度增量，无法满足需求；
• 使用DateOffset：无法接收Series/DataFrame列，执行df['new_date'] = df['date']+ pd.DateOffset(df['monthly_increment'])时触发TypeError: n argument must be an integer, got <class 'pandas.core.series.Series'>。

希望找到无需循环或lambda函数的简便矢量化解决方案。

可以利用pandas的PeriodIndex实现完全矢量化的月度增量计算，无需循环或lambda：

import pandas as pd

# 1. 确保date列为datetime类型（如果原始数据是字符串格式）
df['date'] = pd.to_datetime(df['date'])

# 2. 矢量化计算月度增量：转成月度周期→加增量→转回时间戳
df['new_date'] = df['date'].dt.to_period('M').add(df['monthly_increment']).dt.to_timestamp()

原理说明 #

• dt.to_period('M')：将datetime类型日期转换为月度周期对象（例如2018-12-01转为2018-12），这类对象支持直接与整数进行加减操作；
• .add(df['monthly_increment'])：对每个周期对象批量加上对应的月度增量，实现批量偏移；
• .dt.to_timestamp()：将偏移后的周期对象转回datetime类型，得到最终的new_date列。

这种方法是pandas原生的矢量化操作，效率远高于循环或lambda，符合类似Spark的简洁实现需求。

内容的提问来源于stack exchange，提问作者Gobryas