Python 如何迭代Pandas.DataFrame中的列，并将函数的结果附加到同一行？

我通过以下CSV生成了一个

Pandas.DataFrame

：

Category,Brand,Product Name,Price,Expiration Date, Package ID,Quantity
Cat1,Brand1,Product1,$1000,07/14/2020,XXXXXX,34

我试图在CSV中添加一列，每行对应到期日期的快慢（

4

表示超过6个月，

3

表示3到6个月，等等）

我的问题是，当尝试将

过期日期

列转换为日期时间（使用

pandas.to_datetime（df['Expiration Date']）

）并应用我的

classify_Expiration（）

函数时，这些类型要么与函数指示的不匹配，要么它试图将函数应用于

索引0

，我认为这是标题（因此与

%m/%d/%Y

格式不匹配）。在调用

.apply（）

之前，我已尝试在classification函数内以及在其外部将列转换为datetime。我还尝试使用

timedelta

将过期日期与今天的当前日期进行比较，但它不适用于

datetime.date.today（）

以下是我尝试的第一种方法：

def分类_到期（第行）：
一周=时间增量（周=1，天=0，小时=0，分钟=0，秒=0）
如果（（一周*0）您需要在
days\u之间删除转换为datetime的功能，如果将
product\u sales['Expiration']=pd.to\u datetime（product\u sales['Expiration Date']）
分配回
product\u sales['Expiration']），然后使用
product\u sales['Expiration']

def days_between(date1, date2):
    """Calculates the number of days between two dates

    Keyword arguments:
    date1 -- The first date in the subtraction.
    date2 -- The second date in the subtraction.
    """
    return abs((date2 - date1).days)


product_sales['Expiration Date'] = pd.to_datetime(product_sales['Expiration Date'])

product_sales['Expiration Quartile'] = (product_sales['Expiration Date']
                                               .apply(classify_expiration))
print (product_sales)
  Category   Brand Product Name  Price Expiration Date Package ID  Quantity  \
0     Cat1  Brand1     Product1  $1000      2020-07-14     XXXXXX        34   

   Expiration Quartile  
0                    1  

Pandas具有binnig的特殊功能，因此您可以使用以下功能：

product_sales['Expiration Date'] = pd.to_datetime(product_sales['Expiration Date'])

product_sales['Expiration Quartile'] = (product_sales['Expiration Date']
                                             .apply(classify_expiration))

s = product_sales['Expiration Date'].sub(pd.to_datetime('today').floor('d')).dt.days

product_sales['Expiration Quartile1'] = pd.cut(s, 
                                               bins=[0, 30, 90,120, np.inf], 
                                               labels=[4,3,2,1])
print (product_sales)
  Category   Brand Product Name  Price Expiration Date Package ID  Quantity  \
0     Cat1  Brand1     Product1  $1000      2020-07-14     XXXXXX        34   
1     Cat1  Brand1     Product1  $1000      2020-01-13     XXXXXX        34   
2     Cat1  Brand1     Product1  $1000      2019-11-01     XXXXXX        34   
3     Cat1  Brand1     Product1  $1000      2020-01-15     XXXXXX        34   

   Expiration Quartile Expiration Quartile1  
0                    1                    1  
1                    3                    3  
2                    4                    4  
3                    2                    2