datetime64、pd.DateOffset与unique()运算冲突问题求助

问题重现 #

现有一列datetime64[ns]类型的Pandas Series数据df.date_month：

df.date_month
# 输出：
# 0         2018-09-01
# 1         2018-09-01
# 2         2018-09-01
# 3         2018-09-01
# 4         2018-09-01
#              ...    
# Name: date_month, Length: 4839993, dtype: datetime64[ns]

直接遍历前10条数据执行加法操作正常：

for i in df.date_month[0:10]:
  print(i + pd.DateOffset(months=12))

# 输出：
# 2019-09-01 00:00:00
# 2019-09-01 00:00:00
# 2019-09-01 00:00:00
# 2019-09-01 00:00:00

但使用unique()获取唯一值后循环加法报错：

for i in df.date_month.unique():
  print(i + pd.DateOffset(months=12))

# 报错：
# UFuncTypeError                            Traceback (most recent call last)
# <command-3708796390803054> in <module>
#       1 for i in df.date_month.unique():
# ----> 2   print(i + pd.DateOffset(months=12))
# 
# UFuncTypeError: ufunc 'add' cannot use operands with types dtype('<M8[ns]') and dtype('O')

df.date_month.unique()的输出：

df.date_month.unique()
# 输出：
# array(['2018-09-01T00:00:00.000000000', '2018-04-01T00:00:00.000000000',
#        '2018-12-01T00:00:00.000000000', '2018-11-01T00:00:00.000000000',
#        '2018-07-01T00:00:00.000000000', '2018-05-01T00:00:00.000000000',
#        '2018-06-01T00:00:00.000000000', '2018-10-01T00:00:00.000000000',
#        '2018-08-01T00:00:00.000000000'], dtype='datetime64[ns]')

报错原因 #

• 直接遍历Pandas Series时，每个元素是Pandas Timestamp对象，该类型原生支持与pd.DateOffset的加法运算。
• unique()方法返回的是Numpy datetime64[ns]类型数组，数组内的元素是Numpy原生的datetime64类型，而非Pandas Timestamp。Numpy的datetime64类型无法直接与pd.DateOffset（Python object类型）执行加法操作，因此触发类型不兼容的UFuncTypeError。

解决方法 #

方法1：将unique结果转为Pandas DatetimeIndex #

把Numpy数组转为Pandas的DatetimeIndex，元素会变回Timestamp：

for i in pd.DatetimeIndex(df.date_month.unique()):
    print(i + pd.DateOffset(months=12))

方法2：用drop_duplicates()替代unique() #

drop_duplicates()返回的仍是Pandas Series，元素保持Timestamp类型：

for i in df.date_month.drop_duplicates():
    print(i + pd.DateOffset(months=12))

方法3：使用Numpy timedelta替代DateOffset（注意局限性） #

如果不需要处理复杂的日期偏移逻辑，可使用Numpy的timedelta64类型执行加法，但要注意Numpy的月份偏移是近似值（因为不同月份天数不同）：

import numpy as np
for i in df.date_month.unique():
    print(i + np.timedelta64(12, 'M'))

内容的提问来源于stack exchange，提问作者Henri