如何替换Pandas日期列中的所有年份值并解决PerformanceWarning性能警告

这个警告的根源是pd.DateOffset(year=2000)属于非向量化操作，当你把它应用到整个Series时，Pandas只能逐元素处理每一个日期，效率较低，因此触发了性能警告。下面给你几个完全向量化的高效解决方案，彻底消除这个警告：

方法1：通过构造日期字典批量生成新日期 #

这是性能最优的方案，完全利用Pandas的向量化能力：

import pandas as pd

# 你的原始数据生成代码
df = pd.date_range(start="1970-01-09", end="2020-10-30").to_pydatetime().tolist()
df = pd.DataFrame(df, columns=['dte'])

# 替换年份为2000的向量化方法
df["dte_"] = pd.to_datetime({
    'year': 2000,
    'month': df['dte'].dt.month,
    'day': df['dte'].dt.day
})

这个方法直接提取原日期的月、日信息，结合指定年份批量生成新日期，全程没有逐元素操作，既高效又不会触发警告。

方法2：利用dt.strftime格式化后重新解析 #

如果你的日期格式比较规整，也可以用字符串格式化的方式：

df["dte_"] = pd.to_datetime(df['dte'].dt.strftime('2000-%m-%d'))

这个方法先把原日期格式化为指定年份的字符串，再重新解析为datetime类型，同样是向量化操作，性能表现也不错。

为什么原来的方法会触发警告？ #

pd.DateOffset(year=2000)设计初衷是针对单个日期的偏移调整，当你把它应用到Series时，Pandas无法对整个Series做向量化优化，只能循环处理每个元素，这种操作在数据量较大时会明显拖慢速度，因此Pandas会抛出PerformanceWarning提醒你优化。

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