【问题标题】:Dates to Durations in PandasPandas 中的日期到持续时间
【发布时间】:2015-12-24 01:36:10
【问题描述】:

我觉得这应该很容易完成,但我不知道怎么做。我有一个 pandas DataFrame 列 date:

0    2012-08-21
1    2013-02-17
2    2013-02-18
3    2013-03-03
4    2013-03-04
Name: date, dtype: datetime64[ns]

我想要一列持续时间,例如:

0    0
1    80 days
2    1 day
3    15 days
4    1 day
Name: date, dtype: datetime64[ns]

我的尝试产生了一堆 0 天和 NaT 代替:

>>> df.date[1:] - df.date[:-1]
0       NaT
1    0 days
2    0 days
...

有什么想法吗?

【问题讨论】:

    标签: python pandas timedelta


    【解决方案1】:

    Timedeltas 在这里很有用:(see docs)

    从 v0.15.0 开始,我们引入了一个新的标量类型 Timedelta,它是 datetime.timedelta 的子类,行为方式类似,但允许与 np.timedelta64 类型以及许多自定义表示兼容,解析和属性。

    时间增量是时间上的差异,以差异单位表示,例如天,小时,分钟,秒。它们可以是正面的也可以是负面的。

    df
    
               0
    0 2012-08-21
    1 2013-02-17
    2 2013-02-18
    3 2013-03-03
    4 2013-03-04
    

    你可以:

    pd.to_timedelta(df)
    
    TimedeltaIndex(['0 days'], dtype='timedelta64[ns]', freq=None)
    0      0
    1    180
    2      1
    3     13
    4      1
    Name: 0, dtype: int64
    

    或者,您可以使用.shift()(或@Andy Hayden 说明的.diff())计算时间点之间的差异:

    res = df-df.shift()
    

    得到:

    res.fillna(0)
    
             0
    0   0 days
    1 180 days
    2   1 days
    3  13 days
    4   1 days
    

    您可以将这些从 timedelta64 dtype 转换为 integer 使用:

    res.fillna(0).squeeze().dt.days
    
    0      0
    1    180
    2      1
    3     13
    4      1
    

    【讨论】:

      【解决方案2】:

      你可以使用diff:

      In [11]: s
      Out[11]:
      0   2012-08-21
      1   2013-02-17
      2   2013-02-18
      3   2013-03-03
      4   2013-03-04
      Name: date, dtype: datetime64[ns]
      
      In [12]: s.diff()
      Out[12]:
      0        NaT
      1   180 days
      2     1 days
      3    13 days
      4     1 days
      Name: date, dtype: timedelta64[ns]
      
      In [13]: s.diff().fillna(0)
      Out[13]:
      0     0 days
      1   180 days
      2     1 days
      3    13 days
      4     1 days
      Name: date, dtype: timedelta64[ns]
      

      【讨论】:

        【解决方案3】:

        df.date[1:] - df.date[:-1] 不会做你认为的那样。每个元素都被系列/数据帧索引映射减去,而不是系列中的位置。

        计算df.date[1:] - df.date[:-1] 会:

        +---- index of df.date[1:]
        |                     +---- index of df.date[:-1]
        |                     |
        |                     v
        v                     
                           -  0    2012-08-21    = NaT
        1    2013-02-17    -  1    2013-02-17    = 0
        2    2013-02-18    -  2    2013-02-18    = 0
        3    2013-03-03    -  3    2013-03-03    = 0
        4    2013-03-04    -                     = NaT
        

        【讨论】:

          猜你喜欢
          • 2021-12-21
          • 1970-01-01
          • 1970-01-01
          • 2018-05-06
          • 2016-12-31
          • 1970-01-01
          • 1970-01-01
          • 2019-04-21
          • 2012-01-09
          相关资源
          最近更新 更多