如何在Pandas中为日期/时间序列添加对应天数序列？

我懂你试了好几种方法都碰壁的郁闷——Pandas对datetime类型的运算确实有严格的类型要求，直接和数值序列相加肯定会踩坑。核心问题是：你得把数值形式的天数转换成Pandas能识别的时间差（timedelta）类型，这样才能和datetime序列做对应元素的加法。

下面是两种最靠谱的解决方案：

方法1：使用pd.to_timedelta（推荐，效率最高） #

这是最简洁且高效的方式，直接把天数序列转换成timedelta类型，指定单位为天（unit='D'），之后就能和datetime序列直接相加了：

import pandas as pd
import numpy as np

# 你的原始数据
dates = pd.Series(pd.date_range("20180101 00:00", "20180104 00:00"))
days = pd.Series(np.arange(4)).astype('float')

# 核心操作：转换天数为timedelta，再相加
result = dates + pd.to_timedelta(days, unit='D')
print(result)

输出结果：

0   2018-01-01
1   2018-01-03
2   2018-01-05
3   2018-01-07
dtype: datetime64[ns]

方法2：逐元素应用pd.DateOffset（适合小数据集） #

如果你需要更灵活的时间偏移（比如同时加天、小时），可以用逐元素处理的方式，但注意这种方法在大数据量下效率不如第一种：

# 用列表推导式逐元素相加
result = pd.Series([dates[i] + pd.DateOffset(days=days[i]) for i in range(len(dates))])

为什么你之前的方法会报错？ #

我来帮你拆解下那些尝试的问题：

• dates + days：Pandas无法判断数值days代表的是天、小时还是分钟，必须明确是timedelta类型才允许运算。
• dates + days.astype('int')：就算转成整数，依然是数值类型，不是时间差类型，类型不兼容。
• dates + pd.DateOffset(days=days)：pd.DateOffset的days参数只能接受单个数值，不能直接传入Series，所以无法批量处理。
• dates + np.timedelta64(days.values)：np.timedelta64需要的是单个值或统一格式的时间差数组，直接传Series的values格式不对，正确写法应该是np.array(days.values, dtype='timedelta64[D]')，但还是不如pd.to_timedelta方便。
• dates + pd.offsets.Day(days)：和pd.DateOffset一样，pd.offsets.Day只能接受单个数值，不支持Series。
• dates + pd.datetools.timedelta(days=days)：pd.datetools已经被Pandas弃用了，而且timedelta的days参数也不能是Series。

内容的提问来源于stack exchange，提问作者joshlk