计算后续熊猫数据框行之间的工作日答案

【问题标题】：Counting business days between subsequent pandas dataframe rows计算后续熊猫数据框行之间的工作日
【发布时间】：2020-02-02 02:11:41
【问题描述】：

我有大型 pandas 数据框（超过 1000000 行），我需要以最快的方式获取两行（n 和 n+1）之间的工作日数（不包括周末），其中每行包含一个列日期。每次，我都需要将持续时间（结果）存储在同一数据帧的第 n 行中的一个名为“持续时间”的列中。结果以秒为单位。

我正在使用以下代码以我所知道的最快方式进行计算（欢迎任何更好的方式;-)）。

    tmp_df['duration'] = 
    tmp_df['origin_tick_generation_time_stamp'].shift(-1) - tmp_df[
            'origin_tick_generation_time_stamp']

我想在我的代码中计算没有周末的持续时间。我读到 np.busday_count(date1, date2) 会做到这一点。但不知道如何在我的情况下使用它。有办法吗？

非常感谢

【问题讨论】：

【解决方案1】：

使用pandas.Series.diff:

tmp_df['duration'] = tmp_df['origin_tick_generation_time_stamp'].diff(-1)*-1

或

tmp_df['duration'] = tmp_df['origin_tick_generation_time_stamp'].diff()*shift(-1)

它更快。

示例：

import numpy as np
df=pd.DataFrame()
df['a']=np.arange(1000000)
import time

start_time = time.time()
df['a'].shift(-1)-df['a']
elapsed_time = time.time() - start_time
print(elapsed_time)


#0.023838520050048828

start_time = time.time()
df['a'].diff(-1)*-1
elapsed_time = time.time() - start_time
print(elapsed_time)
#0.008615493774414062

start_time = time.time()
df['a'].diff().shift(-1)
elapsed_time = time.time() - start_time
print(elapsed_time)
#0.011868000030517578

【讨论】：