将Int64类型天数转换为日期：基于1960年1月1日的DataFrame转换求助

嘿，我来帮你搞定这个日期转换需求！你需要把DataFrame里的days列转换成以1960年1月1日为基准的实际日期，其中days=0对应这个基准日，正负数值代表距离基准日的前后天数对吧？

首先得提一句，你原来代码里直接给DataFrame添加datetime.date类型的列，没法直接和整数天数做加法运算——因为Python的date对象不支持和整数直接相加，得用pandas的时间工具来处理才高效。

下面是两种靠谱的解决方案，优先推荐第一种（向量化操作，速度快）：

方法一：pandas向量化计算（推荐） #

这种方法利用pandas的Timedelta和Timestamp类型，直接对整列进行运算，适合任何规模的数据集：

import pandas as pd

# 构造你的DataFrame
df = pd.DataFrame([-730,-640,-549,457,-365,275,-184,-92,0,91,182,274,366], columns=['days'])

# 设置基准日期为Timestamp类型（支持直接和Timedelta相加）
base_date = pd.Timestamp('1960-01-01')

# 将days列转换为时间差，再和基准日期相加得到实际日期
df['actual_date'] = base_date + pd.to_timedelta(df['days'], unit='D')

方法二：逐行处理（适合理解逻辑） #

如果你想更直观地看到每一行的计算过程，可以用apply逐行处理，不过这种方法在大数据集上效率会低一些：

import pandas as pd
from datetime import date

# 构造DataFrame
df = pd.DataFrame([-730,-640,-549,457,-365,275,-184,-92,0,91,182,274,366], columns=['days'])

# 设置基准日期为datetime.date类型
base_date = date(1960, 1, 1)

# 对每一行的days值，计算对应的实际日期
df['actual_date'] = df['days'].apply(lambda x: base_date + pd.Timedelta(days=x))

查看结果 #

运行上面的代码后，你可以打印df看到转换后的结果：

print(df)

输出会类似这样（展示部分行）：

days actual_date
0  -730  1958-01-01
1  -640  1958-03-22
2  -549  1958-06-21
3   457  1961-04-02
...

转换后的actual_date列是datetime64类型，完全支持pandas的各种时间序列操作，比如筛选日期、按时间分组等等。

内容的提问来源于stack exchange，提问作者Kyle