Python 提高pandas中Datetime操作的性能

我有一个大数据集，我需要确定操作的日期，因为它花费的时间太长，我想知道是否有其他方法来提高速度。数据框如下所示：

Date, Month
2017-01-01, 0
2017-01-01, 1
2017-01-01, 2

Date, Month, newDate
2017-01-01, 0, 2017-01-01
2017-01-01, 1, 2017-02-01
2017-01-01, 2, 2017-03-01

我需要创建另一个列，将月份列添加到日期列，因此它看起来如下所示：

Date, Month
2017-01-01, 0
2017-01-01, 1
2017-01-01, 2

Date, Month, newDate
2017-01-01, 0, 2017-01-01
2017-01-01, 1, 2017-02-01
2017-01-01, 2, 2017-03-01

我当前的方法是使用apply函数和relativedelta方法，如：

def newDateCalc(self, row):
return row[0] + relativedelta(months = row[1])

df['newDate']=df['Date'，Month']]。应用（lambda行：newDateCalc（行），axis=1）

---

提前感谢您的帮助，

您可以使用

df.transform

和

relativedelta

：

In [960]: df.transform(lambda x: x['Date'] + relativedelta(months=x['Month']), axis=1)
Out[960]: 
0   2017-01-01
1   2017-02-01
2   2017-03-01
dtype: datetime64[ns]

---

以下是我的矢量化尝试：

df['newDate'] = (df.Date.values.astype('M8[M]') + 
                 df.Month.values * np.timedelta64(1, 'M')).astype('M8[D]')

结果:

In [106]: df
Out[106]:
        Date  Month    newDate
0 2017-01-01      0 2017-01-01
1 2017-01-01      1 2017-02-01
2 2017-01-01      2 2017-03-01

---

@霍金，很高兴我能帮上忙：）