pandas 日期格式数据的加减运算

在 Pandas 中，可以使用 `pd.Timedelta` 对象进行日期格式数据的加减运算。下面是一个简单的例子：

import pandas as pd

# 创建一个日期序列
dates = pd.date_range('2022-01-01', periods=5)
print(dates)

# 对日期序列进行加减运算
delta = pd.Timedelta(days=2)
new_dates = dates + delta
print(new_dates)

输出结果：

DatetimeIndex(['2022-01-01', '2022-01-02', '2022-01-03', '2022-01-04',
               '2022-01-05'],
              dtype='datetime64[ns]', freq='D')
DatetimeIndex(['2022-01-03', '2022-01-04', '2022-01-05', '2022-01-06',
               '2022-01-07'],
              dtype='datetime64[ns]', freq='D')

在上面的例子中，我们首先创建了一个包含 5 个日期的序列，然后使用 `pd.Timedelta` 对象创建了一个时间差为 2 天的实例。最后，我们将时间差与日期序列相加，得到了一个新的日期序列。

相关问题

pandas dataframe 日期时间格式数据的加减运算如何实现

在 pandas 中，可以使用 `timedelta` 来进行日期时间格式数据的加减运算。`timedelta` 用于表示时间间隔，可以用来加减日期和时间。下面是一个示例：

import pandas as pd

# 创建一个包含日期时间格式数据的 DataFrame
df = pd.DataFrame({'date': ['2022-01-01', '2022-01-02', '2022-01-03'],
                   'value': [1, 2, 3]})
df['date'] = pd.to_datetime(df['date'])  # 将日期时间格式数据转换为 pandas 中的 datetime 类型

# 在日期时间上加一天
df['date'] = df['date'] + pd.Timedelta(days=1)
print(df)

# 在日期时间上减一天
df['date'] = df['date'] - pd.Timedelta(days=1)
print(df)

输出结果如下：

        date  value
0 2022-01-02      1
1 2022-01-03      2
2 2022-01-04      3

        date  value
0 2022-01-01      1
1 2022-01-02      2
2 2022-01-03      3

在上面的例子中，我们首先将包含日期时间格式数据的 DataFrame 转换为 pandas 中的 datetime 类型。然后，我们使用 `pd.Timedelta(days=1)` 来表示要加减的时间间隔，其中 `days` 表示天数，可以根据需要进行调整。最后，我们将时间间隔加减到日期时间数据中即可。

我希望能从csv中读取，并在pandas中对如：“2018/8/5 11:07:27”类型的数据进行加减运算

可以使用 pandas 的 `read_csv()` 函数来读取 csv 文件，并将日期时间类型的数据解析为 pandas 的 Datetime 类型。然后，您可以使用 pandas 的时间序列函数来进行日期时间计算。

以下是一个示例代码，假设您的 csv 文件名为 data.csv，日期时间列名为 datetime_col：

import pandas as pd

# 读取 csv 文件，并将日期时间列解析为 pandas 的 Datetime 类型
df = pd.read_csv('data.csv', parse_dates=['datetime_col'])

# 进行日期时间加减运算
df['datetime_col'] = df['datetime_col'] + pd.Timedelta(days=1)

# 输出结果
print(df)

在上面的示例中，我们使用 `pd.Timedelta()` 函数来表示日期时间间隔。在这个例子中，我们将日期时间列加上了一天。

您可以根据需要进行修改来适应您的具体情况。