案例导入

如下图所示，“借书日期”列是同学借书的日期，借期为2个月，请用replace方法计算每本书的还书日期并添加到”还书日期“列。去掉时间，只保留日期。输出修改后的表数据。添加代码注释。

文心一言提示词

打开百度“文心一言”，输入提示词：“你是pandas专家，文件路径为：D:/Samples/图书借阅.xlsx。该Excel文件的第一个工作表中A-C列为给定数据。用pandas导入Excel文件的数据，导入前5行数据，引擎为”openpyxl”。在导入的数据中，“借书日期”列是同学借书的日期，借期为2个月，请用replace方法计算每本书的还书日期并添加到”还书日期“列。去掉时间，只保留日期。输出修改后的表数据。添加代码注释。”

显示结果如下：

首先，我们需要确保安装了pandas和openpyxl库。openpyxl是处理.xlsx文件的引擎。

接下来，我们将按照您的要求编写代码，包括导入Excel文件的前5行数据，计算还书日期，并添加新的“还书日期”列。

import pandas as pd
from datetime import timedelta

# 设定文件路径
file_path = 'D:/Samples/图书借阅.xlsx'

# 使用pandas读取Excel文件，只读取前5行，引擎设置为'openpyxl'
# 假设'借书日期'列的列名是'借书日期'，如果列名不同，请替换为实际的列名
df = pd.read_excel(file_path, sheet_name=0, nrows=5, engine='openpyxl')

# 计算还书日期，并添加到新的列'还书日期'中
# 使用apply函数和lambda表达式对'借书日期'列中的每个日期应用操作
# 使用timedelta添加2个月的时间，并使用strftime格式化日期以去除时间部分
df['还书日期'] = df['借书日期'].apply(lambda x: (x + timedelta(days=60*2)).strftime('%Y-%m-%d'))

# 输出修改后的表数据
print(df)

# 注意：如果'借书日期'列不是datetime类型，你可能需要先将其转换为datetime类型
# 例如，如果'借书日期'是字符串类型，并且格式是'YYYY-MM-DD'
# df['借书日期'] = pd.to_datetime(df['借书日期'])

# 如果Excel文件中的列名不是'借书日期'，请替换为实际的列名

注意：

• 请确保借书日期列在Excel中是日期格式，或者可以转换为日期格式。
• 如果借书日期列不是datetime类型，你可能需要首先使用pd.to_datetime函数将其转换为datetime类型。
• 如果Excel文件的第一个工作表不是您想要读取的，或者工作表名称不是默认的（如"Sheet1"），您需要在sheet_name参数中指定正确的工作表名称或索引。
• 代码中假设“借书日期”列的列名就是“借书日期”，如果列名不同，请替换为实际的列名。
• timedelta(days=60*2)表示添加2个月的时间，这里我们假设一个月有30天，实际中可能需要根据具体月份的天数进行调整。如果需要更精确的计算（考虑到不同月份的天数不同），可以使用dateutil.relativedelta库。

Python运行结果

本合集使用的工具如下：

文心一言：3.5版本

Python编辑器：3.9.0

申明：以上结果皆为实际运行结果，如遇到无法运行可在评论区留言。部分数据来自网络，如有侵权请私信告知，感谢！