Pandas整数和整数数组的加减操作已不再支持时间戳，应使用`n * obj.freq`代替

在本文中，我们将会介绍Pandas所提供的整数和整数数组与时间戳加减操作的相关知识点，以及其最近不再支持这种加减操作的原因和如何应对。

Pandas整数和整数数组

在Pandas中，整数和整数数组是经常被使用的一种数据类型。在对整数和整数数组进行加减操作时，Pandas往往支持直接添加或减去一个整数n。例如，我们有如下的Pandas数据，表示了10天的日期：

import pandas as pd
import numpy as np

dates = pd.Series(pd.date_range('2021-01-01', periods=10))

我们希望将这些日期向后移动2天，则可以直接使用如下的语句：

new_dates = dates + 2

这时候，new_dates将会变成这样：

0   2021-01-03
1   2021-01-04
2   2021-01-05
3   2021-01-06
4   2021-01-07
5   2021-01-08
6   2021-01-09
7   2021-01-10
8   2021-01-11
9   2021-01-12
dtype: datetime64[ns]

这里，new_dates中的每个日期都向后移动了2天。

Pandas时间戳

除了整数和整数数组，Pandas还提供了时间戳的数据类型。时间戳是指某个具体时刻的时间点，可以由Pandas的Timestamp类来表示。我们可以这样来创建一个时间戳：

ts = pd.Timestamp('2021-01-01')

Pandas整数和整数数组，以及时间戳的加减操作

在早期的版本中，Pandas支持直接对整数和整数数组与时间戳进行加减操作。例如，代码如下：

dates + ts

这样的操作是将每个日期加上时间戳的时间差。例如，假设时间戳为ts = pd.Timestamp('2021-01-01 12:00:00')，则加上ts之后，new_dates将会变成这个样子：

0   2021-01-01 12:00:00
1   2021-01-02 12:00:00
2   2021-01-03 12:00:00
3   2021-01-04 12:00:00
4   2021-01-05 12:00:00
5   2021-01-06 12:00:00
6   2021-01-07 12:00:00
7   2021-01-08 12:00:00
8   2021-01-09 12:00:00
9   2021-01-10 12:00:00
dtype: datetime64[ns]

然而，在最近的Pandas版本中，这种加减操作已经不再支持。如果我们按照旧的方式进行加减操作，则会得到一个DeprecationWarning警告。实际运行过程中，可以发现这样的操作将会抛出异常错误，例如：

dates + ts

TypeError: Addition/subtraction of integers and integer-arrays with Timestamp is no longer supported. Instead of adding/subtracting n, use n * obj.freq

改进的加减操作

那么，Pandas要我们如何进行加减操作？Pandas现在推荐我们使用n * obj.freq来替代原来的操作。obj.freq表示时间戳的频率，例如obj.freq = 'D'表示以天为单位进行时间戳加减操作。我们可以这样将上述的加减操作修改为新的方式：

new_dates = dates + 2 * pd.offsets.Day()

这里，pd.offsets.Day()表示一个时间偏移量，也就是时间间隔为1天的时间差。将2乘以这个时间差，即可得到需要向后移动的总时间差。这个新的操作将会得到与原来相同的结果：

0   2021-01-03
1   2021-01-04
2   2021-01-05
3   2021-01-06
4   2021-01-07
5   2021-01-08
6   2021-01-09
7   2021-01-10
8   2021-01-11
9   2021-01-12
dtype: datetime64[ns]

在实际操作中，如果我们需要将时间戳向后或向前移动一个指定的时间间隔，那么按照新的方式应该这样来进行操作：