Python 将整数系列转换为熊猫中的时间增量

我有一个熊猫数据框，其中包括事件发生后的天数。我想创建一个新列，通过从当前日期减去天数来计算事件的日期。每次尝试应用

pd.offset.Day

或

pd.Timedelta

时，我都会收到一个错误，指出序列是不受支持的类型。使用

apply

时也会发生这种情况。当我使用

map

时，我收到一个运行时错误，说“调用Python对象时超过了最大递归深度”

例如，假设我的数据帧如下所示：

index    days_since_event
0        5
1        7
2        3
3        6
4        0

我想创建一个包含活动日期的新列，以显示我的预期结果（使用今天的日期12/29/2015）

我尝试了多种方法，但都收到了错误

我尝试过的一种方法是：

now = pd.datetime.date(pd.datetime.now())
df['event_date'] = now - df.days_since_event.apply(pd.offsets.Day)

我收到一个错误，说Series是不受支持的类型

我用

.map

而不是

.apply

尝试了上述操作，收到了“调用Python对象时超过了最大递归深度”的错误

我还尝试将天数转换为timedelta，例如：

df.days_since_event = (dt.timedelta(days = df.days_since_event)).apply

---

这也收到了一个引用不支持类型的序列的错误。

首先，要将包含整数的列转换为timedelta，可以使用

转换为\u timedelta

：

In [60]: pd.to_timedelta(df['days_since_event'], unit='D')
Out[60]:
0   5 days
1   7 days
2   3 days
3   6 days
4   0 days
Name: days_since_event, dtype: timedelta64[ns]

然后，您可以使用当前日期创建一个新列，并减去这些时间差：

In [62]: df['event_date'] = pd.Timestamp('2015-12-29')

In [63]: df['event_date'] = df['event_date'] -  pd.to_timedelta(df['days_since_event'], unit='D')

In [64]: df['event_date']
Out[64]:
0   2015-12-24
1   2015-12-22
2   2015-12-26
3   2015-12-23
4   2015-12-29
dtype: datetime64[ns]

---

为了跟进joris的回答，您可以使用

pd.将int或float转换为您想要的任何时间单位，转换为\u timedelta（x，unit=''）

，只更改

unit=

的条目：

# Years, Months, Days:
pd.to_timedelta(3.5, unit='Y') # returns '1095 days 17:27:36'
pd.to_timedelta(3.5, unit='M') # returns '91 days 07:27:18'
pd.to_timedelta(3.5, unit='D') # returns '3 days 12:00:00'

# Hours, Minutes, Seconds:
pd.to_timedelta(3.5, unit='h') # returns '0 days 03:30:00'
pd.to_timedelta(3.5, unit='m') # returns '0 days 00:03:30'
pd.to_timedelta(3.5, unit='s') # returns '0 days 00:00:03.50'

请注意，一旦格式正确，数学运算就是合法的：

pd.to_timedelta(3.5, unit='h') - pd.to_timedelta(3.25, unit='h') # returns '0 days 00:15:00'

---

发布代码，问题可能是任何内容确保原始日期df['event_date']和df['days_since_event']均为[ns]格式。我以前在df.dtypes中从未见过timedelta格式。谢谢

pd.to_timedelta(3.5, unit='h') - pd.to_timedelta(3.25, unit='h') # returns '0 days 00:15:00'