如何用Pandas简洁合并年、月列生成日期列？

刚好遇到过类似的需求！你原来用循环的方法虽然能实现，但确实不够简洁，这里给你两个更Pythonic的一行写法，而且性能也更优：

方案一：使用Pandas矢量化方法（推荐） #

这是效率最高的写法，因为Pandas的pd.to_datetime支持直接解析多列组合的日期，完全不需要循环：

import pandas as pd
from datetime import date

# 初始化你的DataFrame
ID = ['A', 'B', 'C', 'D', 'E', 'F']
YEAR = [2017, 2017, 2017, 2017, 2017, 2017]
MONTH = [1, 2, 3, 4, 5, 6]
df = pd.DataFrame({'ID': ID, 'YEAR': YEAR, 'MONTH': MONTH})

# 一行生成DATE列
df['DATE'] = pd.to_datetime(df[['YEAR', 'MONTH']].assign(DAY=1))

这里用assign(DAY=1)临时添加一个值为1的日列，pd.to_datetime会自动把这三列组合成标准的日期格式。

方案二：使用apply结合datetime.date #

如果你更倾向于用datetime.date构造函数，也可以用apply一行搞定：

df['DATE'] = df.apply(lambda row: date(row['YEAR'], row['MONTH'], 1), axis=1)

axis=1表示按行遍历，每一行的YEAR和MONTH会被传入date函数生成日期对象。

最终效果 #

两种方法都能得到你想要的目标DataFrame：
+----+------+-------+------------+
| ID | YEAR | MONTH | DATE |
+----+------+-------+------------+
| A | 2017 | 1 | 2017-01-01 |
| B | 2017 | 2 | 2017-02-01 |
| C | 2017 | 3 | 2017-03-01 |
| D | 2017 | 4 | 2017-04-01 |
| E | 2017 | 5 | 2017-05-01 |
| F | 2017 | 6 | 2017-06-01 |
+----+------+-------+------------+

小提示：如果你的数据量很大，优先选方案一，因为矢量化操作比apply（本质是逐行循环）的执行速度快很多。

内容的提问来源于stack exchange，提问作者Sam