Python 为大型数据集组合日期、小时和间隔列的更快方法

我目前有一个大约120万行的数据集，其中包含日期、小时和间隔（四分之一小时）列

Delivery Date      Delivery Hour Delivery Interval
1-1-2017           1             1
1-1-2017           1             2
1-1-2017           1             3
1-1-2017           1             4

我目前有一个for循环，可以将这些列合并到一个中，但我正在寻找一种更快的方法，因为这需要几个小时才能完成运行

for i in range(len(df_rt['Delivery Interval'])):

    hour = int(df_rt['Delivery Hour'][i]) - 1
    minute = (int(df_rt['Delivery Interval'][i]) - 1)*15
    df_rt['Time'][i] = str(hour) + ':' + str(minute)

df_rt['DateTime'] = df_rt['Delivery Date'] + " " + df_rt['Time']
df_rt['DateTime'] = pd.to_datetime(df_rt['DateTime'])

---

不是最干净的解决方案，但它避免了在数据帧中显式循环：

df['DateTime'] = pd.to_datetime(df['Delivery Date'].astype(str) + ' ' + 
    (df['Delivery Hour'].astype(int)-1).astype(str) + ':' + 
    ((df['Delivery Interval'].astype(int)-1)*15).astype(str))

给定示例数据帧，这将产生：

  Delivery Date  Delivery Hour  Delivery Interval            DateTime
0      1-1-2017              1                  1 2017-01-01 00:00:00
1      1-1-2017              1                  2 2017-01-01 00:15:00
2      1-1-2017              1                  3 2017-01-01 00:30:00
3      1-1-2017              1                  4 2017-01-01 00:45:00

以下各项应有效（方法1）：

更快的方法（方法2）：

时间：

方法1

2.53 ms ± 86.3 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

方法2

1.21 ms ± 67.9 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

---

一种有趣的方法是将序列转换为

datetime

对象的组件，然后将这些组件的数据帧传递给：

---

这将返回“不支持的+：'datetime.datetime'和'str'操作数类型”错误我不确定原始的

Delivery Date

列的类型是

str

还是

datetime

。编辑我的答案，现在就试试。

2.53 ms ± 86.3 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

1.21 ms ± 67.9 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

df[['month', 'day', 'year']] = df['DeliveryDate'].str.split('-', expand=True)
df['DeliveryHour'] -= 1
df['DeliveryInterval'] = (df['DeliveryInterval'] - 1) * 15
df = df.rename(columns={'DeliveryHour': 'hour', 'DeliveryInterval': 'minute'})

print(pd.to_datetime(df[['year', 'month', 'day', 'hour', 'minute']]))

0   2017-01-01 00:00:00
1   2017-01-01 00:15:00
2   2017-01-01 00:30:00
3   2017-01-01 00:45:00
dtype: datetime64[ns]