Pandas 计算DateTimeIndex的时差

我想计算DateTimeIndex中时间之间的时差

import pandas as pd
p = pd.DatetimeIndex(['1985-11-14', '1985-11-28', '1985-12-14', '1985-12-28'], dtype='datetime64[ns]')

我可以计算两次的时差：

p[1] - p[0]

给予

但是p[1:]-p[：-1]不起作用，并且给出

DatetimeIndex(['1985-12-28'], dtype='datetime64[ns]', freq=None)

以及未来的警告：

FutureWarning: using '-' to provide set differences with datetimelike Indexes is deprecated, use .difference()

---

有没有想过如何（轻松地）计算DateTimeIndex中值之间的时间差？为什么它只适用于1个值，而不适用于整个DateTimeIndex？

操作符正在工作，它只是没有达到您期望的效果。在第二种情况下，它的作用是给出两个日期时间索引的差值，即

p[1://code>中的值，但不在
p[：-1]

可能有更好的解决方案，但在执行操作元素时会起作用：

[e - k for e,k in zip(p[1:], p[:-1])]

使用将
日期时间索引
转换为
系列
，然后调用以计算行间差异：

In [5]:
p.to_series().diff()

Out[5]:
1985-11-14       NaT
1985-11-28   14 days
1985-12-14   16 days
1985-12-28   14 days
dtype: timedelta64[ns]

至于失败的原因，这里的
-
操作符试图对不同的索引范围执行设置差分或交集，您试图从一个范围减去另一个范围的值，而
diff
就是这样做的

当你做
p[1]
-
p[0]
时，
-
是在执行标量减法，但当你对索引执行此操作时，它认为你在执行一个集合操作
我使用
无
来填充第一个差分值，但我相信你能想出如何处理这种情况

>>> [None] + [p[n] - p[n-1] for n in range(1, len(p))]
[None,
 Timedelta('14 days 00:00:00'),
 Timedelta('16 days 00:00:00'),
 Timedelta('14 days 00:00:00')]

顺便说一句，要获得日差：

[None] + [(p[n] - p[n-1]).days for n in range(1, len(p))]
[None, 14, 16, 14]

[None] + [(p[n] - p[n-1]).days for n in range(1, len(p))]
[None, 14, 16, 14]