基于日期列与字典创建Pandas增量日期列的实现方法

以下是基于Pandas的高效实现方案，直接完成日期增量计算：

步骤1：导入库并初始化数据 #

import pandas as pd

# 构造目标DataFrame（已有数据可跳过此步）
df = pd.DataFrame({
    'Date': pd.to_datetime(['2019-01-03', '2019-05-05']),
    'Periode': ['YEARS', 'MONTHS']
})

# 定义映射字典
dict_range = {"YEARS": 20.0, "MONTHS": 3.0}

步骤2：新增Range_plus列 #

一行代码完成核心计算：

df['Range_plus'] = df['Date'] + pd.to_timedelta(df['Periode'].map(dict_range), unit='days')

代码说明 #

• df['Periode'].map(dict_range)：通过map方法将Periode列的值与字典匹配，自动提取对应天数（兼容Float类型值）
• pd.to_timedelta(..., unit='days')：将提取的天数转换为Pandas可识别的时间增量对象
• 直接与Date列相加，Pandas会按行自动完成日期偏移计算

验证结果 #

执行后打印df，将得到预期输出：

注意：若Date列未转换为DateTime类型，先执行df['Date'] = pd.to_datetime(df['Date'])完成类型转换

内容的提问来源于stack exchange，提问作者Con5tantine_83