如何在从Pandas DataFrame生成的字典中为日期加1天（无需新增列）

嘿，我懂你的需求——不想在原DataFrame里新增列，直接生成包含加1天日期的字典对吧？这完全可以实现，咱们直接在转换字典的过程中处理日期就行，不用动原DataFrame的结构。

首先先补全你给出的DataFrame（假设Num2是你的日期列，先转成datetime类型，不然没法做日期运算）：

import pandas as pd
from datetime import timedelta

# 补全并修正你的原始DataFrame
df = pd.DataFrame({
    'Key': ['10003', '10003', '10003', '10003', '10003','10003','10034'],
    'Num1': [12,13,30,12,13,13,16],
    'Num2': pd.date_range(start='2024-01-01', periods=7)  # 示例日期列
})

# 确保日期列是datetime类型（如果你的原始数据还不是的话）
df['Num2'] = pd.to_datetime(df['Num2'])

接下来给你两种常用的实现方式：

方式1：列表推导式遍历行（直观易懂） #

直接遍历DataFrame的每一行，构造字典时实时给日期加1天：

# 生成每行对应一个字典的列表，无需新增列
processed_dicts = [
    {
        'Key': row['Key'],
        'Num2': row['Num2'] + timedelta(days=1),  # 这里直接处理日期
        'Num1': row['Num1']  # 如果需要保留Num1字段就加上
    }
    for _, row in df.iterrows()
]

方式2：用apply方法（效率更高） #

如果你的DataFrame数据量较大，用apply比iterrows效率更高，同样不需要新增列：

# 用apply生成处理后的字典列表
processed_dicts = df.apply(
    lambda row: {
        'Key': row['Key'],
        'Num2': row['Num2'] + timedelta(days=1),
        'Num1': row['Num1']
    },
    axis=1
).tolist()

如果你需要按Key分组的字典 #

如果你的需求是按Key聚合日期（比如每个Key对应一组加1天的日期），可以直接用字典推导式处理分组结果：

# 按Key分组，生成每个Key对应加1天日期列表的字典
grouped_dict = {
    key: (date_series + timedelta(days=1)).tolist()
    for key, date_series in df.groupby('Key')['Num2']
}

关键注意点 #

• 确保你的日期列是datetime64类型，不然没法直接和timedelta做加法运算，如果原始数据是字符串，记得用pd.to_datetime()转换。
• 所有操作都不会修改原DataFrame，也不需要新增任何列，完全在转换字典的环节完成日期处理。

内容的提问来源于stack exchange，提问作者CandleWax