如何使用Pandas将年数字段值添加到日期列生成新日期列

错误原因说明 #

• pd.to_timedelta不支持精准的年单位计算，受每年天数不固定影响，官方已弃用年/月单位的timedelta参数
• pd.offsets.DateOffset仅支持传入标量参数，直接传入Number_Years整列Series会运行失败
• 按365天累加的方案会受闰年影响出现日期偏移，不符合仅修改年份的需求

可行方案 #

方案1：逐行处理（兼容闰年特殊日期，数据量不大时优先） #

首先确保Date列为datetime类型，再逐行调用DateOffset计算：

import pandas as pd

# 先转换Date列为标准 datetime 格式
df1['Date'] = pd.to_datetime(df1['Date'])
# 逐行计算新日期
df1['New Date'] = df1.apply(
    lambda row: row['Date'] + pd.offsets.DateOffset(years=row['Number_Years']),
    axis=1
)

优势：遇到2月29日这类特殊日期时，会自动兼容非闰年场景，返回对应年份的2月28日，不会报错。

方案2：直接修改年份属性（需求严格对齐月日、无2月29日数据时使用） #

直接替换datetime对象的year属性：

df1['Date'] = pd.to_datetime(df1['Date'])
df1['New Date'] = df1.apply(
    lambda row: row['Date'].replace(year=row['Date'].year + row['Number_Years']),
    axis=1
)

注意：如果原始数据存在2月29日的日期，加年后对应年份不是闰年时会报错。

方案3：向量化计算（数据量较大时优先，性能远高于逐行apply） #

直接提取日期的年、月、日属性，拼接为新日期：

df1['Date'] = pd.to_datetime(df1['Date'])
df1['New Date'] = pd.to_datetime(
    {
        'year': df1['Date'].dt.year + df1['Number_Years'],
        'month': df1['Date'].dt.month,
        'day': df1['Date'].dt.day
    },
    errors='coerce' # 遇到非法日期（如非闰年2月29日）时返回NaT，可根据需求调整参数
)

内容的提问来源于stack exchange，提问作者user145248