Python Pandas - 时间增量

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。 它们可以是正面的也可以是负面的。

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字面量，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()

使用顶级 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，并通过对 datetime64[ns] Series 或 Timestamps 的减法运算来构造 timedelta64[ns] Series。

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