Pandas: добавление различного количества дней к дате в dataframe

Question

У меня есть дата-рамка с столбцом даты, а затем количество дней, которое я хочу добавить в этот столбец. Я хочу создать новый столбец «Recency_Date» с полученным значением.

ДФ:

fan   Community Name Count Mean_Days Date_Min 
0 855    AAA Games  6  353 2013-04-16 
1 855 First Person Shooters  2  420 2012-10-16 
2 855   Playstation  3  108 2014-06-12 
3 3148    AAA Games  1   0 2015-04-17 
4 3148   Mobile Gaming  1   0 2013-01-19 

ДФ информация:

merged.info() 
<class 'pandas.core.frame.DataFrame'> 
Int64Index: 4627415 entries, 0 to 4627414 
Data columns (total 5 columns): 
fan    int64 
Community Name object 
Count    int64 
Mean_Days   int32 
Date_Min   datetime64[ns] 
dtypes: datetime64[ns](1), int32(1), int64(2), object(1) 
memory usage: 194.2+ MB 

Выборочные данные как CSV:

fan,Community Name,Count,Mean_Days,Date_Min 
855,AAA Games,6,353,2013-04-16 00:00:00 
855,First Person Shooters,2,420,2012-10-16 00:00:00 
855,Playstation,3,108,2014-06-12 00:00:00 
3148,AAA Games,1,0,2015-04-17 00:00:00 
3148,Mobile Gaming,1,0,2013-01-19 00:00:00 
3148,Power PCs,2,0,2014-06-17 00:00:00 
3148,XBOX,1,0,2009-11-12 00:00:00 
3860,AAA Games,1,0,2012-11-28 00:00:00 
3860,Minecraft,3,393,2011-09-07 00:00:00 
4044,AAA Games,5,338,2010-11-15 00:00:00 
4044,Blizzard Games,1,0,2013-07-12 00:00:00 
4044,Geek Culture,1,0,2011-06-03 00:00:00 
4044,Indie Games,2,112,2013-01-09 00:00:00 
4044,Minecraft,1,0,2014-01-02 00:00:00 
4044,Professional Gaming,1,0,2014-01-02 00:00:00 
4044,XBOX,2,785,2010-11-15 00:00:00 
4827,AAA Games,1,0,2010-08-24 00:00:00 
4827,Gaming Humour,1,0,2012-05-05 00:00:00 
4827,Minecraft,2,10,2012-03-21 00:00:00 
5260,AAA Games,4,27,2013-09-17 00:00:00 
5260,Indie Games,8,844,2011-06-08 00:00:00 
5260,MOBA,2,0,2012-10-27 00:00:00 
5260,Minecraft,5,106,2012-02-17 00:00:00 
5260,XBOX,1,0,2011-06-15 00:00:00 
5484,AAA Games,21,1296,2009-08-01 00:00:00 
5484,Free to Play,1,0,2014-12-08 00:00:00 
5484,Indie Games,1,0,2014-05-28 00:00:00 
5484,Music Games,1,0,2012-09-12 00:00:00 
5484,Playstation,1,0,2012-02-22 00:00:00 

Я попытался:

merged['Recency_Date'] = merged['Date_Min'] + timedelta(days=merged['Mean_Days']) 

и:

merged['Recency_Date'] = pd.DatetimeIndex(merged['Date_Min']) + pd.DateOffset(merged['Mean_Days']) 

Но у меня возникают проблемы с поиском что-то, что будет работать для серии, а не отдельное значение INT. Любая помощь будет очень оценена с этим.

Answer 1

Если DTYPE «Date_Min» уже DateTime, то вы можете построить Timedeltaindex из столбца «Mean_Days» и добавить их:

In [174]: 
df = pd.DataFrame({'Date_Min':[dt.datetime.now(), dt.datetime(2015,3,4), dt.datetime(2011,6,9)], 'Mean_Days':[1,2,3]}) 
df 

Out[174]: 
        Date_Min Mean_Days 
0 2015-09-15 14:02:37.452369   1 
1 2015-03-04 00:00:00.000000   2 
2 2011-06-09 00:00:00.000000   3 

In [175]: 
df['Date_Min'] + pd.TimedeltaIndex(df['Mean_Days'], unit='D') 

Out[175]: 
0 2015-09-16 14:02:37.452369 
1 2015-03-06 00:00:00.000000 
2 2011-06-12 00:00:00.000000 
Name: Date_Min, dtype: datetime64[ns]