在 Python Pandas DataFrame 中将 timedelta64[ns] 列转换为秒

Question

如图所示，pandas DataFrame 列 duration 包含 timedelta64[ns]。如何将它们转换为秒？

0   00:20:32
1   00:23:10
2   00:24:55
3   00:13:17
4   00:18:52
Name: duration, dtype: timedelta64[ns]

我尝试了以下

print df[:5]['duration'] / np.timedelta64(1, 's')

但出现错误

Traceback (most recent call last):
  File "test.py", line 16, in <module>
    print df[0:5]['duration'] / np.timedelta64(1, 's')
  File "C:\Python27\lib\site-packages\pandas\core\series.py", line 130, in wrapper
    "addition and subtraction, but the operator [%s] was passed" % name)
TypeError: can only operate on a timedeltas for addition and subtraction, but the operator [__div__] was passed

也试过了

print df[:5]['duration'].astype('timedelta64[s]')

但收到错误

Traceback (most recent call last):
  File "test.py", line 17, in <module>
    print df[:5]['duration'].astype('timedelta64[s]')
  File "C:\Python27\lib\site-packages\pandas\core\series.py", line 934, in astype
    values = com._astype_nansafe(self.values, dtype)
  File "C:\Python27\lib\site-packages\pandas\core\common.py", line 1653, in _astype_nansafe
    raise TypeError("cannot astype a timedelta from [%s] to [%s]" % (arr.dtype,dtype))
TypeError: cannot astype a timedelta from [timedelta64[ns]] to [timedelta64[s]]

Answer 1

这在当前版本的 Pandas（0.14 版）中可以正常工作：

In [132]: df[:5]['duration'] / np.timedelta64(1, 's')
Out[132]: 
0    1232
1    1390
2    1495
3     797
4    1132
Name: duration, dtype: float64

以下是旧版 Pandas/NumPy 的解决方法：

In [131]: df[:5]['duration'].values.view('<i8')/10**9
Out[131]: array([1232, 1390, 1495,  797, 1132], dtype=int64)

timedelta64 和 datetime64 数据在内部存储为 8 字节整数（dtype '<i8')。所以上面将 timedelta64s 视为 8 字节整数，然后执行整数 除法将纳秒转换为秒。

请注意，您 need NumPy version 1.7 or newer 使用 datetime64/timedelta64s。

Answer 2

使用Series dt accessor 访问日期时间（timedelta）系列的方法和属性。

>>> s
0   -1 days +23:45:14.304000
1   -1 days +23:46:57.132000
2   -1 days +23:49:25.913000
3   -1 days +23:59:48.913000
4            00:00:00.820000
dtype: timedelta64[ns]
>>>
>>> s.dt.total_seconds()
0   -885.696
1   -782.868
2   -634.087
3    -11.087
4      0.820
dtype: float64

---

还有其他用于字符串、分类和稀疏数据类型的 Pandas Series Accessors。

Answer 3

刚刚意识到这是一个旧线程，无论如何，如果流浪者将它留在这里 像我一样只点击搜索引擎上的前 5 个结果并结束 在这里。

确保您的类型正确。

• 如果您想将 datetime 转换为 seconds ，只需将 datetime 对象的小时、分钟和秒的秒数相加，如果它的持续时间在一个日期内。

  • • 小时 - 小时 x 3600 = 秒
  • • 分钟 - 分钟 x 60 = 秒
  • • 秒 - 秒

linear_df['duration'].dt.hour*3600 + linear_df['duration'].dt.minute*60 + linear_df['duration'].dt.second

• 如果您想将 timedelta 转换为 seconds，请使用下面的方法。

linear_df[:5]['duration'].astype('timedelta64[s]')

我让它像这样工作：

start_dt 和 end_dt 列采用以下格式：

import datetime

linear_df[:5]['start_dt']

0   1970-02-22 21:32:48.000
1   2016-12-30 17:47:33.216
2   2016-12-31 09:33:27.931
3   2016-12-31 09:52:53.486
4   2016-12-31 10:29:44.611
Name: start_dt, dtype: datetime64[ns]

我的持续时间是 timedelta64[ns] 格式，它是 start 和 end 日期时间值的减法。

linear_df['duration'] = linear_df['end_dt'] - linear_df['start_dt']

生成的持续时间列如下所示

linear_df[:5]['duration']

0          0 days 00:00:14
1   2 days 17:44:50.558000
2   0 days 15:37:28.418000
3   0 days 18:45:45.727000
4   0 days 19:21:27.159000
Name: duration, dtype: timedelta64[ns]

使用 pandas，我在两个日期之间的持续时间秒数处于浮动状态。之后更容易比较或过滤您的持续时间。

linear_df[:5]['duration'].astype('timedelta64[s]')

0        14.0
1    236690.0
2     56248.0
3     67545.0
4     69687.0
Name: duration, dtype: float64

在我的情况下，如果我想获得超过 1 秒的所有持续时间。

希望对您有所帮助。

Answer 4

使用“total_seconds()”函数：

df['durationSeconds'] = df['duration'].dt.total_seconds()

Answer 5

我们可以简单地使用 pandas apply() 函数

def get_seconds(time_delta):
    return time_delta.seconds

def get_microseconds(time_delta):
    return time_delta.micro_seconds

time_delta_series = df['duration']

converted_series = time_delta_series.apply(get_seconds)
print(converted_series)