Pandas 熊猫：将timedelta列添加到datetime列（矢量化）

我有一个包含两列的pandas数据框架，一个是date列，一个是int列，我只想将int列（以天为单位）添加到date列。我使用df.apply（）找到了一个解决方案，但在我的完整数据集上速度太慢了。我看不到大量关于以矢量化方式执行此操作的文档（我能找到的最接近的是），因此我想确保找到的解决方案是前进的最佳方式

我的原始数据只是一列字符串作为一列整数（天）

我的第一个想法（有效）是使用。应用如下：

def f(x):    
    return x['ship_date'] + timedelta(days=x['days_supply'] )

df['ship_date'] = pd.to_datetime(df['ship_string'])

df['supply_ended'] = df.apply(f,axis = 1)

这是可行的，但速度非常缓慢。我已经在下面发布了我的备选解决方案，作为对这个问题的回答，但我想确认这是“最佳实践”。我在pandas中找不到很多关于向日期添加timedelta列的好线程（特别是以矢量化的方式），所以我想我应该添加一个用户友好一点的线程，希望它能帮助下一个尝试这样做的可怜人。

完整代码解决方案：

import pandas as pd
from datetime import timedelta

df = pd.DataFrame([['2016-01-10',28],['2016-05-11',28],['2016-02-23',15],['2015-12-08',30]], 
                      columns = ['ship_string','days_supply'])

df['ship_date'] = pd.to_datetime(df['ship_string'])

df['time_added'] = pd.to_timedelta(df['days_supply'],'d')
df['supply_ended'] = df['ship_date'] + df['time_added']

print df

  ship_string  days_supply  ship_date  time_added supply_ended
0  2016-01-10           28 2016-01-10     28 days   2016-02-07
1  2016-05-11           28 2016-05-11     28 days   2016-06-08
2  2016-02-23           15 2016-02-23     15 days   2016-03-09
3  2015-12-08           30 2015-12-08     30 days   2016-01-07

---

如果这不是一个好的矢量化解决方案，请在下面的评论中告诉我，我将进行编辑

这是一个很好的解决方案，如果不需要创建新列，可能一行更好

df['supply\u ended']=pd.to\u datetime（df['ship\u string']）+pd.to\u timedelta（df['days\u supply']，'d'）

，我找不到函数

pd.to\u timedelta

，因为

DateOffset

无法与Series一起工作，所以感谢您发布该解决方案<代码>，'d'这个小家伙。。。最有价值球员

import pandas as pd
from datetime import timedelta

df = pd.DataFrame([['2016-01-10',28],['2016-05-11',28],['2016-02-23',15],['2015-12-08',30]], 
                      columns = ['ship_string','days_supply'])

df['ship_date'] = pd.to_datetime(df['ship_string'])

df['time_added'] = pd.to_timedelta(df['days_supply'],'d')
df['supply_ended'] = df['ship_date'] + df['time_added']

print df

  ship_string  days_supply  ship_date  time_added supply_ended
0  2016-01-10           28 2016-01-10     28 days   2016-02-07
1  2016-05-11           28 2016-05-11     28 days   2016-06-08
2  2016-02-23           15 2016-02-23     15 days   2016-03-09
3  2015-12-08           30 2015-12-08     30 days   2016-01-07