Python Dataframe日期加上来自另一列的月份变量

我有一个带有日期和月份差异变量的数据框。我希望根据以下逻辑获得一个新日期（将其命名为Target_date）： 例如，日期为2019年2月13日，月差为3，则目标日期应为原始日期的月底加上3个月，即2019年5月31日

我尝试了以下方法以首先获取traget日期：

df["Target_Date"] = df["Date"] + pd.DateOffset(months = df["month_diff"])

但它失败了，正如我所知，dateoffset中的参数应该是一个变量或一个固定的数字

我还尝试：

df["Target_Date"] = df["Date"] + relativedelta(months = df["month_diff"])

它也失败了

有人能帮忙吗？多谢各位

编辑：

---

这是一个包含数百万行的大型数据集。

我将采用以下方法来计算您的“目标日期”

使用pd.DateOffset应用目标月偏移量（在您的情况下为+3个月）

获取该目标月的最后一天（例如使用calendar.monthrange，另请参见“”）。这将为您提供该日期“补偿”的“灵活”部分

在比较步骤1和步骤2的结果时，应用灵活的日偏移量。这可能是一个新的pd.DateOffset

解决方案可能如下所示：

导入日历
从dateutil.relativedelta导入relativedelta
对于df.index中的ii：
在[ii'开始日期']+相对延迟（月数=在[ii'月数差异']时的延迟）
最大日期=日历月（新的年，新的月）[1]
结束=新建+相对延迟（天数=最长日期-新建天数）
打印（结束）

对函数和/或列表的进一步“清理”可能会使其速度更快

您可以试试这个

将熊猫作为pd导入
从dateutil.relativedelta导入relativedelta
df=pd.DataFrame（{'Date'：[pd.datetime（2019,1,1），pd.datetime（2019,2,1）]，'month_diff'：[1,2]}）
df.apply（lambda行：行.日期+相对LTA（月=行.月差异），轴=1）

或列表理解

[date + relativedelta(months=month_diff) for date, month_diff in df[['Date', 'month_diff']].values]

这是我解决你们问题的方法。 然而由于某种原因，我的输出中出现了一个语义错误，尽管我确信这是正确的方法。如果您注意到一些错误，请大家纠正我

today = datetime.now()
today = today.strftime("%d/%m/%Y")
month_diff =[30,5,7]
n = 30
for i in month_diff:
    b = {'Date': today, 'month_diff':month_diff,"Target_Date": datetime.now()+timedelta(days=i*n)}
    df = pd.DataFrame(data=b)

输出：

---

由于某些原因，i没有得到更新。

relativedelta

在这样的系列上不起作用。请尝试：

df.apply（lambda行：行.日期+relativedelta（月=行.月_diff）

。可能会更改轴或其他东西。但是，如果数据太大，这将不会太有效。您想检索结束日期还是月份差异？@bramb我正在尝试检索表中突出显示的

目标日期。
。好的，您试过下面的部分吗？谢谢，bramb。此解决方案在df.index中使用
for iiode>，这是一种循环，我认为对于大型数据集来说这很耗时。对吗？您可以将其更改为列表理解或函数。这将使其更高效；）
today = datetime.now()
today = today.strftime("%d/%m/%Y")
month_diff =[30,5,7]
n = 30
for i in month_diff:
    b = {'Date': today, 'month_diff':month_diff,"Target_Date": datetime.now()+timedelta(days=i*n)}
    df = pd.DataFrame(data=b)