Pandas - Timedelta
-
简述
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。它们既可以是正数,也可以是负数。我们可以使用各种参数创建 Timedelta 对象,如下所示 - -
字符串
通过传递一个字符串文字,我们可以创建一个 timedelta 对象。import pandas as pd print pd.Timedelta('2 days 2 hours 15 minutes 30 seconds')
它的输出如下 -2 days 02:15:30
-
整数
通过将整数值与单位一起传递,参数会创建一个 Timedelta 对象。import pandas as pd print pd.Timedelta(6,unit='h')
它的输出如下 -0 days 06:00:00
-
数据偏移
数据偏移量,例如 - 周、天、小时、分钟、秒、毫秒、微秒、纳秒也可用于构造。import pandas as pd print pd.Timedelta(days=2)
它的输出如下 -2 days 00:00:00
-
to_timedelta ()
使用顶层pd.to_timedelta,您可以将标量、数组、列表或序列从可识别的 timedelta 格式/值转换为 Timedelta 类型。如果输入是一个系列,它将构造系列,如果输入是类似标量的,它将构造一个标量,否则将输出一个TimedeltaIndex.import pandas as pd print pd.Timedelta(days=2)
它的输出如下 -2 days 00:00:00
-
操作
您可以对 Series/DataFrames 进行操作并构造timedelta64[ns]通过减法运算系列datetime64[ns]系列或时间戳。现在让我们创建一个带有 Timedelta 和 datetime 对象的 DataFrame 并对其执行一些算术运算 -import pandas as pd s = pd.Series(pd.date_range('2012-1-1', periods=3, freq='D')) td = pd.Series([ pd.Timedelta(days=i) for i in range(3) ]) df = pd.DataFrame(dict(A = s, B = td)) print df
它的输出如下 -A B 0 2012-01-01 0 days 1 2012-01-02 1 days 2 2012-01-03 2 days
-
加法运算
import pandas as pd s = pd.Series(pd.date_range('2012-1-1', periods=3, freq='D')) td = pd.Series([ pd.Timedelta(days=i) for i in range(3) ]) df = pd.DataFrame(dict(A = s, B = td)) df['C']=df['A']+df['B'] print df
它的输出如下 -A B C 0 2012-01-01 0 days 2012-01-01 1 2012-01-02 1 days 2012-01-03 2 2012-01-03 2 days 2012-01-05
-
减法运算
import pandas as pd s = pd.Series(pd.date_range('2012-1-1', periods=3, freq='D')) td = pd.Series([ pd.Timedelta(days=i) for i in range(3) ]) df = pd.DataFrame(dict(A = s, B = td)) df['C']=df['A']+df['B'] df['D']=df['C']+df['B'] print df
它的输出如下 -A B C D 0 2012-01-01 0 days 2012-01-01 2012-01-01 1 2012-01-02 1 days 2012-01-03 2012-01-04 2 2012-01-03 2 days 2012-01-05 2012-01-07