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 pdtimediff = 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 pdtimediff = 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 pdtimediff = 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 pds = 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
0 2012-01-01 0 days
1 2012-01-02 1 days
2 2012-01-03 2 days
相加操作
import pandas as pds = 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
0 2018-01-01 0 days 2018-01-01
1 2018-01-02 1 days 2018-01-03
2 2018-01-03 2 days 2018-01-05
相减操作
import pandas as pds = 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
0 2018-01-01 0 days 2018-01-01 2018-01-01
1 2018-01-02 1 days 2018-01-03 2018-01-02
2 2018-01-03 2 days 2018-01-05 2018-01-03
Pandas 时间差(Timedelta)相关推荐
- 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 ...
- Padans Timedelta时间差
Padans Timedelta时间差 Timedelta 表示时间差(或者时间增量),我们可以使用不同的时间单位来表示它,比如,天.小时.分.秒.时间差的最终的结果可以是正时间差,也可以是负时间差. ...
- Pandas 时间序列 - DateOffset 对象
点击上方"Python爬虫与数据挖掘",进行关注 回复"书籍"即可获赠Python从入门到进阶共10本电子书 今 日 鸡 汤 国亡身殒今何有,只留离骚在世间. ...
- 数据导入与预处理-拓展-pandas时间数据处理01
数据导入与预处理-拓展-pandas时间数据处理01 Pandas时序数据系列博客 Pandas时间序列数据处理 1.好用的Python库 2.Pandas历史 3.时序数据处理 3.1 时序中的基本 ...
- datawhale pandas 打卡10 时序数据
内容简介 这次文章的内容是pandas的文本数据 文章目录 内容简介 时序中的基本对象 时间戳 时间戳的创建 时间戳的上下限 Datetime序列的生成 dt对象 时间戳的切片与索引 时间差 Time ...
- pandas组队学习 task10-时间序列
[pandas组队学习 task-10](http://inter.joyfulpandas.datawhale.club/Content/ch10 import pandas as pd impor ...
- 3 python pandas
一.什么是pandas? Pandas 是一个开源的第三方 Python 库,从 Numpy 和 Matplotlib 的基础上构建而来,享有数据分析"三剑客之一"的盛名(NumP ...
- 【转】《Pandas Cookbook》第10章 时间序列分析
In[1]: import pandas as pdimport numpy as np %matplotlib inline 1. Python和Pandas日期工具的区别 # 引入datetime ...
- Pandas教程目录
Pandas数据结构 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 ...
最新文章
- 日程来了!2021年佛山敏捷之旅暨第1届佛山DevOps社区Meetup
- 中国工程院谭建荣:人工智能应用得再好,最核心的算法不行,创新能力就不行丨MEET2021...
- 访问MS Access 系统表 MSysObjects ,在SQL SERVER 2005中访问
- 长安大学第三届ACM-ICPC程序设计竞赛 E题
- boost::multi_array模块实现打印数组相关的测试程序
- java如何实现封装_java如何实现封装
- 【C++模板】特化与偏特化 template [partial] specialization
- 值类型和引用类型的区别
- 使用KNN时出现非数值属性和缺失值
- python怎么显示分数_python分数怎么表示
- 图解TCPIP-传输层 TCP报文
- ecshop dizcuz会员整合
- 开课吧:分享一下C语言发展史的点点滴滴
- LINUX下载编译vo-amrwbenc
- 解决 vim 中文编码问题
- 离散数学 —— 二元关系(恒等关系、关系图与关系矩阵、复合关系、自反与反自反、对称与反对称、传递性、闭包、等价类、商集、集合的划分、序关系、哈斯图、上下界函数)
- (萌新的数电学习)用 VHDL语言设计一个异或门
- leetcode33. 搜索旋转排序数组
- vue实现打开新窗口预览PDF文件
- 阀门定位器的三种维护方式
热门文章
- 服务器通过nginx传输文件,文件服务器传输nginx
- 为什么安卓手机总是越用越慢?
- 一种新的类型的密码管理软件Lesspass
- Oracle的表和视图的关系
- iphone13和iphone14有什么区别,一图一秒看懂
- 三人被起诉 自学流量攻击技术攻击网站敲诈勒索
- micro hdmi引脚定义义_横扫三大系统,10+16自定义键加持的绘王Huion H1161数位板评测...
- Eclipse/MyEclipse 输入变量名后面自动追加String(已解决)
- 模仿百度卫士手机版应用源码项目最新版更新版
- SpringBoot+html+vue模板开发