Pandas 给定一个日期时两个日期之间的月数 输入测向

注意：

Date1

的类型是

datetime64[ns]

球门 我想计算Date1列和

'2019-01-01'

之间的月差

试一试 我尝试了下面的答案，但失败如下：

df['Date1'].dt.to_period('M') - pd.to_datetime('2019-01-01').to_period('M') 

• 注：熊猫版本：1.1.5

---

我认为这应该有效：

date_ref = pd.to_datetime('2019-01-01')
df["mo_since_2019_01"] = (df.Date1.dt.year - date_ref.year).values*12 + (df.Date1.dt.month - date_ref.month)

month_delta = (date2.year - date1.year)*12 + (date2.month - date1.month)

输出：

       Date1  mo_since_2019_01
0 2019-01-23                 0
1 2020-02-01                13

尝试：
输入：

        Date1
0  2019-01-23
1  2020-02-01
2  2020-05-01
3  2020-06-01

输出：

       Date1  Diff
0 2019-01-23     0
1 2020-02-01    13
2 2020-05-01    16
3 2020-06-01    17

---

使用此解决方案，您不需要进一步导入，因为它只计算固定开始日期和可变结束日期之间的

pd.date\u range（）

长度：

def relative_months(start, end, freq="M"):
    if start < end:
        x = len(pd.date_range(start=start,end=end,freq=freq))
    else:
        x = - len(pd.date_range(start=end,end=start,freq=freq))
    return x

start = pd.to_datetime("2019-01-01")
df['relative_months'] = df['Date1'].apply(lambda end: relative_months(start, end, freq="M"))

定义相对月份（开始、结束、频率=“M”）： 如果开始<结束： x=长度（局部放电日期\范围（开始=开始，结束=结束，频率=频率）） 其他： x=-len（局部放电日期\范围（开始=结束，结束=开始，频率=频率）） 返回x 开始时间=截止日期时间（“2019-01-01”） df['relative_months']=df['Date1']。应用（lambda end:relative_months（start，end，freq=“M”））

---

就你的具体情况而言，我认为应该是最快/有利的；然而，我的变体允许使用for date offset，如

'M'

，

'D'

，…并允许您专门处理“负”相对偏移的边缘情况（即，如果您的比较日期不早于

Date1

中的所有日期，会发生什么情况）.
您的解决方案应通过将句点转换为整数来更改，第二个值使用一个元素列表

['2019-01-01']

：

df['new'] = (df['Date1'].dt.to_period('M').astype(int) - 
             pd.to_datetime(['2019-01-01']).to_period('M').astype(int))
print (df)
       Date1  new
0 2019-01-23    0
1 2020-02-01   13

如果比较解决方案：

rng = pd.date_range('1900-04-03', periods=3000, freq='MS')
df = pd.DataFrame({'Date1': rng})  


In [106]: %%timeit
     ...: date_ref = pd.to_datetime('2019-01-01')
     ...: df["mo_since_2019_01"] = (df.Date1.dt.year - date_ref.year).values*12 + (df.Date1.dt.month - date_ref.month)
     ...: 
1.57 ms ± 8.18 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

In [107]: %%timeit
     ...: df['new'] = (df['Date1'].dt.to_period('M').astype(int) - pd.to_datetime(['2019-01-01']).to_period('M').astype(int))
     ...: 
1.32 ms ± 19.2 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
    

发动机罩下有环，因此速度较慢：

In [109]: %%timeit
     ...: start = pd.to_datetime("2019-01-01")
     ...: df['relative_months'] = df['Date1'].apply(lambda end: relative_months(start, end, freq="M"))
     ...: 
25.7 s ± 729 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)

In [110]: %%timeit
     ...: rd = df['Date1'].apply(lambda x:relativedelta(x,date(2019,1,1)))
     ...: mon = rd.apply(lambda x: ((x.years * 12) + x.months))
     ...: df['Diff'] = mon
     ...: 
94.2 ms ± 431 µs per loop (mean ± std. dev. of 7 runs, 10 loops each)
    

---

您是否将

Date1

转换为带有

pd.to_datetime（）

的实际日期类型？@PauloMarques无需，请参阅我的更新。@Jack-所以您想忽略年份，只计算月差？例如，2020-02-01和2019-01-01之间的月差为“1”？@Sharathnanaraj否，它必须结束年份。例如，它将是13。我不理解你的答案，它似乎与我的问题不匹配。更新的解决方案请记住包括必要的导入，我猜：

来自dateutil.relativedelta导入relativedelta

和

来自datetime导入日期

Tats right@Asmus

rng = pd.date_range('1900-04-03', periods=3000, freq='MS')
df = pd.DataFrame({'Date1': rng})  


In [106]: %%timeit
     ...: date_ref = pd.to_datetime('2019-01-01')
     ...: df["mo_since_2019_01"] = (df.Date1.dt.year - date_ref.year).values*12 + (df.Date1.dt.month - date_ref.month)
     ...: 
1.57 ms ± 8.18 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

In [107]: %%timeit
     ...: df['new'] = (df['Date1'].dt.to_period('M').astype(int) - pd.to_datetime(['2019-01-01']).to_period('M').astype(int))
     ...: 
1.32 ms ± 19.2 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
    

In [109]: %%timeit
     ...: start = pd.to_datetime("2019-01-01")
     ...: df['relative_months'] = df['Date1'].apply(lambda end: relative_months(start, end, freq="M"))
     ...: 
25.7 s ± 729 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)

In [110]: %%timeit
     ...: rd = df['Date1'].apply(lambda x:relativedelta(x,date(2019,1,1)))
     ...: mon = rd.apply(lambda x: ((x.years * 12) + x.months))
     ...: df['Diff'] = mon
     ...: 
94.2 ms ± 431 µs per loop (mean ± std. dev. of 7 runs, 10 loops each)