格式化timedelta64字符串输出

Question

与 question 类似，我在 pandas DataFrame 中有一个 numpy.timedelta64 列。根据answer 对上述问题，有一个函数pandas.tslib.repr_timedelta64 可以很好地显示以天为单位的时间增量，小时：分钟：秒。我只想在几天和几小时内格式化它们。

所以我得到的是以下内容：

def silly_format(hours):
    (days, hours) = divmod(hours, 24)
    if days > 0 and hours > 0:
        str_time = "{0:.0f} d, {1:.0f} h".format(days, hours)
    elif days > 0:
        str_time = "{0:.0f} d".format(days)
    else:
        str_time = "{0:.0f} h".format(hours)
    return str_time

df["time"].astype("timedelta64[h]").map(silly_format)

这让我得到了想要的输出，但我想知道numpy 或pandas 中是否有类似于datetime.strftime 的函数可以根据提供的某些格式字符串格式化numpy.timedelta64？

---

我尝试进一步调整@Jeff 的解决方案，但它比我的回答慢得多。这里是：

days = time_delta.astype("timedelta64[D]").astype(int)
hours = time_delta.astype("timedelta64[h]").astype(int) % 24
result = days.astype(str)
mask = (days > 0) & (hours > 0)
result[mask] = days.astype(str) + ' d, ' + hours.astype(str) + ' h'
result[(hours > 0) & ~mask] = hours.astype(str) + ' h'
result[(days > 0) & ~mask] = days.astype(str) + ' d'

Answer 1

虽然@sebix 和@Jeff 提供的答案显示了一种将时间增量转换为天和小时的好方法，并且@Jeff 的解决方案特别保留了Series' 索引，但它们缺乏最终格式的灵活性细绳。我现在使用的解决方案是：

def delta_format(days, hours):
    if days > 0 and hours > 0:
        return "{0:.0f} d, {1:.0f} h".format(days, hours)
    elif days > 0:
        return "{0:.0f} d".format(days)
    else:
        return "{0:.0f} h".format(hours)

days = time_delta.astype("timedelta64[D]")
hours = time_delta.astype("timedelta64[h]") % 24
return [delta_format(d, h) for (d, h) in izip(days, hours)]

这很适合我，我通过将该列表插入原始 DataFrame 来取回索引。

Answer 2

以下是如何以矢量化方式进行操作。

In [28]: s = pd.to_timedelta(range(5),unit='d') + pd.offsets.Hour(3)

In [29]: s
Out[29]: 
0   0 days, 03:00:00
1   1 days, 03:00:00
2   2 days, 03:00:00
3   3 days, 03:00:00
4   4 days, 03:00:00
dtype: timedelta64[ns]

In [30]: days = s.astype('timedelta64[D]').astype(int)

In [31]: hours = s.astype('timedelta64[h]').astype(int)-days*24

In [32]: days
Out[32]: 
0    0
1    1
2    2
3    3
4    4
dtype: int64

In [33]: hours
Out[33]: 
0    3
1    3
2    3
3    3
4    3
dtype: int64

In [34]: days.astype(str) + ' d, ' + hours.astype(str) + ' h'
Out[34]: 
0    0 d, 3 h
1    1 d, 3 h
2    2 d, 3 h
3    3 d, 3 h
4    4 d, 3 h
dtype: object

如果您想要完全按照 OP 提出的要求：

In [4]: result = days.astype(str) + ' d, ' + hours.astype(str) + ' h'

In [5]: result[days==0] = hours.astype(str) + ' h'

In [6]: result
Out[6]: 
0         3 h
1    1 d, 3 h
2    2 d, 3 h
3    3 d, 3 h
4    4 d, 3 h
dtype: object

Answer 3

@Midnighter 的回答在 Python 3 中对我不起作用，所以这是我的更新函数：

def delta_format(delta: np.timedelta64) -> str:
    days = delta.astype("timedelta64[D]") / np.timedelta64(1, 'D')
    hours = int(delta.astype("timedelta64[h]") / np.timedelta64(1, 'h') % 24)

    if days > 0 and hours > 0:
        return f"{days:.0f} d, {hours:.0f} h"
    elif days > 0:
        return f"{days:.0f} d"
    else:
        return f"{hours:.0f} h"

基本相同，但使用 f 字符串和更多类型强制。

Answer 4

我不知道它是如何在 pandas 中完成的，但这是我解决问题的唯一 numpy 方法：

import numpy as np
t = np.array([200487900000000,180787000000000,400287000000000,188487000000000], dtype='timedelta64[ns]')

days = t.astype('timedelta64[D]').astype(np.int32) # gives: array([2, 2, 4, 2], dtype=int32)
hours = t.astype('timedelta64[h]').astype(np.int32)%24 # gives: array([ 7,  2, 15,  4], dtype=int32)

所以我只是将原始数据转换为所需的输出类型（让它 numpy 做），然后我们有两个包含数据的数组，可以随意使用。要将它们成对分组，只需执行以下操作：

>>> np.array([days, hours]).T
array([[ 2,  7],
       [ 2,  2],
       [ 4, 15],
       [ 2,  4]], dtype=int32)

例如：

for row in d:
    print('%dd %dh' % tuple(row))

给予：

2d 7h
2d 2h
4d 15h
2d 4h