如何用Pandas基于今日日期加天数列生成新日期列

嗨，我来帮你搞定这个需求！要给你的DataFrame添加「Predicted Service Date」新列，把「Days till Service」的天数加到指定日期（或今日）上，用pandas结合datetime模块就能轻松实现，下面是具体步骤和代码：

• 导入必要的库：pandas用于数据处理，datetime用于日期操作
• 加载或构造你的目标DataFrame
• 确定基准日期（可以是真实今日，也可以是示例中的固定日期）
• 将天数列转换为时间间隔类型，与基准日期相加得到预测服务日期
• 可选：将日期格式化为你需要的字符串格式（如示例中的DD/MM/YYYY）

import pandas as pd
from datetime import datetime

# 1. 构造你的示例DataFrame（如果是已有的df，这步直接跳过）
data = {'Days till Service': [0, 28, 7, 54, 0, 6, 28, 0, 16, 200]}
df = pd.DataFrame(data)

# 2. 选择基准日期：二选一即可
## 选项A：使用真实的今日日期
today = datetime.today().date()

## 选项B：使用示例中的固定日期16/04/2018
# specified_date = datetime.strptime('16/04/2018', '%d/%m/%Y').date()

# 3. 计算预测服务日期：把天数转成时间间隔后和基准日期相加
df['Predicted Service Date'] = df['Days till Service'].apply(lambda x: today + pd.Timedelta(days=x))

# 4. 可选：格式化为和示例一致的DD/MM/YYYY字符串格式
df['Predicted Service Date'] = df['Predicted Service Date'].dt.strftime('%d/%m/%Y')

# 查看最终结果
print(df)

• pd.Timedelta(days=x)：把整数天数转换成pandas可识别的时间间隔对象，这样才能和日期类型做加法运算
• datetime.strptime('16/04/2018', '%d/%m/%Y')：如果需要固定使用某个日期而非今日，用这个方法把字符串格式的日期转成datetime对象，再提取date部分
• dt.strftime('%d/%m/%Y')：把datetime类型的日期转成指定格式的字符串，确保输出和你的示例完全匹配

运行这段代码后，你的DataFrame就会生成符合要求的「Predicted Service Date」列啦！

内容的提问来源于stack exchange，提问作者3kstc