如何使用NumPy为日期数组添加对应整数月份？

方法一：使用Pandas（推荐，代码简洁易维护） #

Pandas对日期时间的加减操作支持更完善，能直接处理月份的偏移：

import pandas as pd
import numpy as np

date = np.array(['2023-01-01', '2023-02-02', '2023-03-03'])
months = np.array([3, 2, 1])

# 将日期数组转为Pandas日期序列
date_series = pd.to_datetime(date)
# 逐个添加对应月份数
expectation = date_series + pd.to_timedelta(months, unit='M')
# 转回Numpy数组（若需要字符串格式可追加.astype(str)）
expectation = expectation.to_numpy()

# 输出结果：array(['2023-04-01T00:00:00.000000000', '2023-04-02T00:00:00.000000000', '2023-04-03T00:00:00.000000000'], dtype='datetime64[ns]')

方法二：纯Numpy实现（无需额外依赖） #

如果不想引入Pandas，可以手动拆分年、月、日分量计算：

import numpy as np

date = np.array(['2023-01-01', '2023-02-02', '2023-03-03'], dtype='datetime64[D]')
months = np.array([3, 2, 1])

# 提取原始日期的年、月、日分量
years = date.astype('datetime64[Y]').astype(int) + 1970  # datetime64[Y]从1970年开始计数
months_original = date.astype('datetime64[M]').astype(int) % 12 + 1  # 转换为1-12的月份
days = date.astype('datetime64[D]').astype(int) - date.astype('datetime64[M]').astype('datetime64[D]').astype(int) + 1  # 提取当月第几天

# 计算新的年、月
new_months_total = months_original + months
new_years = years + (new_months_total - 1) // 12
new_months = (new_months_total - 1) % 12 + 1

# 构造新日期数组
expectation = np.array([f"{y}-{m:02d}-{d:02d}" for y, m, d in zip(new_years, new_months, days)], dtype='datetime64[D]')

# 输出结果：array(['2023-04-01', '2023-04-02', '2023-04-03'], dtype='datetime64[D]')

说明：Numpy原生的timedelta64不支持直接进行月份偏移（因为不同月份天数不同），所以需要手动处理年、月的进位逻辑。

内容的提问来源于stack exchange，提问作者Michael An