熊猫数据系列 - 如何解决天数差异答案

【问题标题】：pandas dataseries - How to address difference in days熊猫数据系列 - 如何解决天数差异
【发布时间】：2016-10-05 17:24:15
【问题描述】：

我有一个 pandas 数据框 navTable，它的索引是一系列日期。

我需要找出索引中连续日期之间的差异

                 Delta  
2016-08-10       0.006619  
2016-08-12       0.006595  
2016-08-14       0.006595  
2016-08-17       0.006595  
2016-08-18       0.006595

我想要一个新列Days_Diff，这将使我在后续日期（索引中）有所不同。因此我的输出应该是这样的

             Delta      Delta_Days
8/10/2016   0.006619    None 
8/12/2016   0.006595    2 
8/14/2016   0.006595    2 
8/17/2016   0.006595    3 
8/18/2016   0.006595    1

我先尝试了这个：

navTable['Index'] = navTable.index
navTable['Days_Diff'] = navTable['Index'] - navTable['Index'].shift(1)
navTable['Delta_Days'] = navTable['Days_Diff'].days

直接，这没有被接受，因为它抱怨“无法在系列上应用天数”

所以，我尝试了这个：

navTable['Index'] = navTable.index
navTable['Days_Diff'] = navTable['Index'] - navTable['Index'].shift(1)
navTable['Delta_Days'] = [ eachDayDiff.days for eachDayDiff in list(dataTable['Days_Diff']) ]

可以理解，它抱怨第一个元素是Null。

'NaTType' 对象没有属性'days'

问题 1) 我是否有效地处理了这种情况？问题2）我如何解决

'NaTType' 对象没有属性'days'

作为记录，第一个元素的类型为pandas.tslib.NaTType 其余类型为pandas.tslib.Timedelta

编辑：格式化

【问题讨论】：

标签： python pandas time-series

【解决方案1】：

通常您将使用diff() 函数来计算相邻差，您可以将索引转换为正常系列，然后使用diff() 函数给出一系列time delta 数据类型：

df.index.to_series().diff()

# 2016-08-10      NaT
# 2016-08-12   2 days
# 2016-08-14   2 days
# 2016-08-17   3 days
# 2016-08-18   1 days
# dtype: timedelta64[ns]

要将时间增量数据类型转换为数值类型：

import numpy as np
df['Delta_Days'] = (df.index.to_series().diff() / np.timedelta64(1, 'D')).astype(float)

df

#              Delta  Delta_Days
#2016-08-10 0.006619         NaN
#2016-08-12 0.006595         2.0
#2016-08-14 0.006595         2.0
#2016-08-17 0.006595         3.0
#2016-08-18 0.006595         1.0

【讨论】：