- Pandas环境安装配置
- Pandas数据结构
- Pandas快速入门
- Pandas系列
- Pandas数据帧(DataFrame)
- Pandas面板(Panel)
- Pandas基本功能
- Pandas描述性统计
- Pandas函数应用
- Pandas重建索引
- Pandas迭代
- Pandas排序
- Pandas字符串和文本数据
- Pandas选项和自定义
- Pandas索引和选择数据
- Pandas统计函数
- Pandas窗口函数
- Pandas聚合
- Pandas缺失数据
- Pandas分组(GroupBy)
- Pandas合并/连接
- Pandas级联
- Pandas日期功能
- Pandas时间差(Timedelta)
- Pandas分类数据
- Pandas可视化
- Pandas IO工具
- Pandas稀疏数据
- Pandas注意事项&窍门
- Pandas与SQL比较
Pandas时间差(Timedelta)
时间差(Timedelta)是时间上的差异,以不同的单位来表示。例如:日,小时,分钟,秒。它们可以是正值,也可以是负值。
可以使用各种参数创建Timedelta
对象,如下所示 -
字符串
通过传递字符串,可以创建一个timedelta
对象。参考以下示例代码 -
import pandas as pd timediff = pd.Timedelta('2 days 2 hours 15 minutes 30 seconds') print(timediff)
执行上面救命代码,得到以下结果 -
2 days 02:15:30
整数
通过传递一个整数值与指定单位,这样的一个参数也可以用来创建Timedelta
对象。
import pandas as pd timediff = pd.Timedelta(6,unit='h') print(timediff)
执行上面救命代码,得到以下结果 -
0 days 06:00:00
数据偏移
例如 - 周,天,小时,分钟,秒,毫秒,微秒,纳秒的数据偏移也可用于构建。
import pandas as pd timediff = pd.Timedelta(days=2) print(timediff)
执行上面救命代码,得到以下结果 -
2 days 00:00:00
运算操作
可以在Series/DataFrames上执行运算操作,并通过在datetime64 [ns]
系列或在时间戳上减法操作来构造timedelta64 [ns]
系列。参考以下示例代码 -
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)
执行上面示例代码,得到以下结果 -
A B 2012-01-01 0 days 2012-01-02 1 days 2012-01-03 2 days
相加操作
import pandas as pd s = pd.Series(pd.date_range('2018-1-1', 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)
执行上面示例代码,得到以下结果 -
A B C 2018-01-01 0 days 2018-01-01 2018-01-02 1 days 2018-01-03 2018-01-03 2 days 2018-01-05
相减操作
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)
执行上面示例代码,得到以下结果 -
A B C D 2018-01-01 0 days 2018-01-01 2018-01-01 2018-01-02 1 days 2018-01-03 2018-01-02 2018-01-03 2 days 2018-01-05 2018-01-03
上一篇:Pandas日期功能
下一篇:Pandas分类数据
扫描二维码
程序员编程王