如何在 pandas 的當前日期列中添加超過 3 年的日期

Question

我在 pandas 中有關注 dataframe

code    fat_version bat_version  from_date   to_date
102     1.7         2.5          2019-01-02  2019-04-16
102     3.5         7.1.5        2019-04-16  2020-04-16
347     6.55        6.55         2019-06-04  2020-04-16
107     6.55        6.55         2019-01-18  2019-04-05
107     6.55        6.55         2019-04-05  2020-04-16

我想要做的是將超過 3 年的日期添加到至少 from_date 並將相應fat_varsion和bat_version按代碼級別作為nan分組。 我想要的 dataframe 如下

code    fat_version bat_version  from_date   to_date
102     nan         nan          2016-01-02  2019-01-01 
102     1.7         2.5          2019-01-02  2019-04-16
102     3.5         7.1.5        2019-04-16  2020-04-16
347     nan         nan          2016-06-04  2019-06-03
347     6.55        6.55         2019-06-04  2020-04-16
107     nan         nan          2016-01-18  2019-01-17 
107     6.55        6.55         2019-01-18  2019-04-05
107     6.55        6.55         2019-04-05  2020-04-16

如何在 Pandas 中執行此操作？

Answer 1

通過DataFrame.drop_duplicates獲取每組的第一行，更改offsets.DateOffset中的值，通過DataFrame.assign添加 3 年，然后加入原始並排序：

df['from_date'] = pd.to_datetime(df['from_date'])
df['to_date'] = pd.to_datetime(df['to_date'])

df1 = (df.drop_duplicates('code')
        .assign(to_date = lambda x: x['from_date'],
                from_date = lambda x: x['from_date'] - pd.offsets.DateOffset(years=3),
                fat_version = np.nan, 
                bat_version = np.nan))
print (df1)
   code  fat_version  bat_version  from_date    to_date
0   102          NaN          NaN 2016-01-02 2019-01-02
2   347          NaN          NaN 2016-06-04 2019-06-04
3   107          NaN          NaN 2016-01-18 2019-01-18

df = pd.concat([df1, df], ignore_index=True).sort_values('code')
print (df)
   code  fat_version bat_version  from_date    to_date
0   102          NaN         NaN 2016-01-02 2019-01-02
3   102         1.70         2.5 2019-01-02 2019-04-16
4   102         3.50       7.1.5 2019-04-16 2020-04-16
2   107          NaN         NaN 2016-01-18 2019-01-18
6   107         6.55        6.55 2019-01-18 2019-04-05
7   107         6.55        6.55 2019-04-05 2020-04-16
1   347          NaN         NaN 2016-06-04 2019-06-04
5   347         6.55        6.55 2019-06-04 2020-04-16