Pandas 系列日期时间到 timedeltas（秒）

Question

我的 Pandas 数据框有一个排序的日期时间列：

print(df.Time)

returns

0      2019-10-30 13:14:49
1      2019-10-30 13:15:25
2      2019-10-30 13:32:44
               ...        
997    2020-02-04 13:53:35
998    2020-02-04 14:22:46
999    2020-02-04 14:52:43
Name: Time, Length: 1000, dtype: datetime64[ns]

我正在尝试的非常简单的事情是派生一组时间增量。我试过：

df.Time[1:-1] - df.Time[0:-2]

这导致：

0         NaT
1      0 days
2      0 days
        ...  
996   0 days
997   0 days
998      NaT
Name: Time, Length: 999, dtype: timedelta64[ns]

生成的长度是正确的，但我对结果有点困惑。

这似乎不是对数据帧的 2 个子集执行操作的方法。

什么是正确的方法，是否有一种内置方法可以从日期时间的排序列中生成时间增量？

预期输出类似于：

0      35 seconds
1      1879 seconds
2      1720 seconds
        ...  
996    1805 seconds
997    1854 seconds
998    1791 seconds

Answer 1

正如sammywemmy所说，你需要：

df1['delta'] = df1.Time - df1.Time.shift()

在虚拟数据帧上：

df1.head(15)
Out[50]: 
                  Time      delta
0  2019-10-30 13:15:55      NaT
1  2019-10-30 13:16:11 00:00:16
2  2019-10-30 13:16:27 00:00:16
3  2019-10-30 13:16:54 00:00:27
4  2019-10-30 13:17:22 00:00:28
5  2019-10-30 13:17:23 00:00:01
6  2019-10-30 13:17:29 00:00:06
7  2019-10-30 13:17:44 00:00:15
8  2019-10-30 13:17:46 00:00:02
9  2019-10-30 13:17:48 00:00:02
10 2019-10-30 13:18:47 00:00:59
11 2019-10-30 13:18:52 00:00:05
12 2019-10-30 13:18:53 00:00:01
13 2019-10-30 13:18:59 00:00:06
14 2019-10-30 13:19:07 00:00:08

Answer 2

示例数据帧


0   2019-10-26 13:14:49
1   2019-10-30 13:16:49
2   2019-10-30 13:23:49
3   2019-10-30 13:32:49
4   2019-10-30 13:34:49
5   2019-10-30 13:45:49
6   2019-10-30 13:56:49
Name: Time, Length: 7, dtype: datetime64[ns]

您可以简单地使用 pandas 内置 diff 函数来计算前一行同一列中 DataFrame 元素的差异。

df.Time.diff()

以下命令将导致：


0               NaT
1   4 days 00:02:00
2   0 days 00:07:00
3   0 days 00:09:00
4   0 days 00:02:00
5   0 days 00:11:00
6   0 days 00:11:00
Name: Time, dtype: timedelta64[ns]

Pandas 系列日期时间到 timedeltas（秒）

Pandas series datetimes to timedeltas (seconds)

python

timedelta

python-datetime

pandas