如何用向量化方式在Pandas中按列值添加DateOffset并使用日历运算？

你遇到的性能警告是因为apply(lambda x: pd.DateOffset(months=x))生成的是object类型数组，和datetime列相加时无法触发向量化运算，只能逐元素处理。以下两种完全向量化的方案，均采用日历运算逻辑（处理月底、闰年等边界情况）：

方案一：基于日期分量的手动向量化计算 #

通过拆分日期的年、月、日分量，计算偏移后的年月，再处理日部分的边界问题：

import pandas as pd

# 示例数据
df = pd.DataFrame({
    'a': pd.to_datetime(['2023-01-31', '2023-12-31', '2020-02-29']),
    'b': [1, 2, 1]
})

# 计算偏移后的年、月
year = df['a'].dt.year + (df['a'].dt.month + df['b'] - 1) // 12
month = (df['a'].dt.month + df['b'] - 1) % 12 + 1

# 构造临时日期并调整日部分，确保不超出目标月的天数
temp_first_day = pd.to_datetime(year.astype(str) + '-' + month.astype(str) + '-01')
df['c'] = temp_first_day + pd.offsets.MonthEnd(0) - pd.offsets.Day(temp_first_day.dt.days_in_month - df['a'].dt.day)

该方法通过Pandas的dt属性提取日期分量，所有运算均为向量化操作，完美复现DateOffset(months=x)的日历逻辑，比如1月31日加1个月会自动转为2月最后一天。

方案二：使用Pandas内部向量化函数 #

Pandas内置了add_month函数，专门用于向量化的日历月份偏移：

from pandas.core.tools.datetimes import add_month

df['c'] = add_month(df['a'].values, df['b'].values)

这个函数直接接收numpy datetime64数组和整数数组作为输入，内部实现完全向量化，自动处理所有日历边界情况，性能最优，且不会触发任何性能警告。

内容的提问来源于stack exchange，提问作者Nick K