在Pandas Dataframe构造函数中对两个字段执行计算/算术运算

Question

我需要使用numpy和pandas模拟一些事务数据，类似于以下代码:

import random
import numpy as np
import pandas as pd
n=1000

sample_df = pd.DataFrame({ 
'arrival_date':np.random.choice( pd.date_range('1/1/2015', periods=n, 
                      freq='D'), n),
'days_stay': [random.randint(1,14) for x in range(n)]
})

数据框需要有3个字段，其中两个字段的计算方式与上面类似，再加上另一个日期字段，该字段将两个字段的值相加：

'departure_date': 'arrival_date' + 'days_stay'

问题在于，我更喜欢在pandas dataframe构造函数中定义所有三个字段，而不是定义一个函数来获取数据并在第二个dataframe步骤中引用它。

sample_df = pd.DataFrame({ 
'arrival_date':np.random.choice( pd.date_range('1/1/2015', periods=n, 
                      freq='D'), n),
'days_stay': [random.randint(1,14) for x in range(n)],
'departure_date': 'arrival_date' + 'days_stay'
})

这个可能吗？

提前致谢。

- Dsci

Answer 1

尝试以下操作。使用 pd.Dataframe() 上的 assign，我们可以使用已创建的 df 和其数据，并分配一个新列。

sample_df = pd.DataFrame({ 
'arrival_date':np.random.choice( pd.date_range('1/1/2015', periods=n, 
                      freq='D'), n),
'days_stay': [random.randint(1,14) for x in range(n)],
}).assign(departure_date = lambda x: x.arrival_date + x.days_stay.apply(lambda x: pd.Timedelta(str(x)+'D')))

样例输出：

    arrival_date   days_stay    departure_date
0   2015-02-17     3            2015-02-20
1   2015-01-18     13           2015-01-31
2   2015-02-12     6            2015-02-18
3   2015-01-15     14           2015-01-29
4   2015-03-11     5            2015-03-16

- gyx-hh

Answer 2

“问题在于我希望在pandas dataframe构造函数中定义这三个字段。”

“这是不可能的。您无法从尚未创建的两个其他系列定义系列。您可以使用pd.DataFrame.assign技巧，在后续步骤中使用方法链接添加系列。但是，我认为没有比以下更好的办法：”

df['departure_date'] = df['arrival_date'] + df['days_stay']

- jpp

Answer 3

@gyx-hh 和 @jpp

感谢你们两位回答我的问题。至少我现在知道了无法在数据框构造函数中完成这个操作，以及使用assign选项的替代方法。

传统的在第二步添加列的方法似乎可行，但需要进行一些微调。

sample_df['departure_date'] = sample_df['arrival_date'] + 
pd.TimedeltaIndex(sample_df['days_stay'], unit='D')

再次感谢你们俩！标记为已接受。

- Dsci