Python 3.x 当以秒为单位获取大量数据以达到平均值、最大值和最小值时，如何转换为日期时间格式？

我使用下面的python命令，得到一个结果，我不知道如何准确地转换为小时或任何其他时间标准。我的目标是了解两个学生组登录行为的平均值、最小值和最大值，并统计每个组中每个学生的所有登录次数，直到截止日期

数据（col2）-从学生结束大学入学日期减去每个学生的不同登录时间的结果（col2中带负号的数字表示截止日期后没有登录）：

这是我正在使用的代码

result = result.groupby('col1').agg({'col2': ['mean', 'min', 'max']})

print("\nMean, min, and max values of student line logons - indifinite")
print(result)

print("\nresult.columns")
print(result.columns)

这就是我得到的结果

Mean, min, and max values of student line logons
               time_diff                            
                    mean           min           max
Col1                                          
Bachelor   -8.089769e+12 -1.872721e+13 -3.622951e+10
Diploming  -8.718830e+12 -1.586661e+13 -1.426230e+10

我如何才能从“学生行登录的平均值、最小值和最大值”中获得有意义的结果，可能会在上面的“数据（col2）”中显示类似col2的结果？任何来自外界的明智建议都是值得赞赏的。。。；o） 谢谢。

用于将时间增量转换为秒，聚合并在必要时将秒转换为时间增量：

result['Col2'] = result['Col2'].dt.total_seconds()
result = (result.groupby('Col1')['Col2'].agg(['mean', 'min', 'max'])
                .apply(pd.to_timedelta, unit='s'))
print (result)
                         mean                 min                 max
Col1                                                                 
Bachelor  -133 days +04:53:12 -154 days +13:38:00 -103 days +20:23:00
Diploming  -94 days +07:32:12 -142 days +15:10:00  -62 days +00:31:00

编辑：对于绘图，最好使用：

result['Col2'] = result['Col2'].dt.total_seconds()
result1 = result.groupby('Col1')['Col2'].agg(['mean', 'min', 'max'])

如果希望通过

0

替换缺少的值来避免错误，请使用：

result['Col2'] = result['Col2'].dt.total_seconds()
result2 = (result.groupby('Col1')['Col2'].agg(['mean', 'min', 'max'])
                .apply(pd.to_timedelta, unit='s')
                .fillna(pd.Timedelta(0))

                

用于将时间增量转换为秒，聚合，如有必要，将秒转换为时间增量：

result['Col2'] = result['Col2'].dt.total_seconds()
result = (result.groupby('Col1')['Col2'].agg(['mean', 'min', 'max'])
                .apply(pd.to_timedelta, unit='s'))
print (result)
                         mean                 min                 max
Col1                                                                 
Bachelor  -133 days +04:53:12 -154 days +13:38:00 -103 days +20:23:00
Diploming  -94 days +07:32:12 -142 days +15:10:00  -62 days +00:31:00

编辑：对于绘图，最好使用：

result['Col2'] = result['Col2'].dt.total_seconds()
result1 = result.groupby('Col1')['Col2'].agg(['mean', 'min', 'max'])

如果希望通过

0

替换缺少的值来避免错误，请使用：

result['Col2'] = result['Col2'].dt.total_seconds()
result2 = (result.groupby('Col1')['Col2'].agg(['mean', 'min', 'max'])
                .apply(pd.to_timedelta, unit='s')
                .fillna(pd.Timedelta(0))

                

---

您好，jezrael，您能否帮助我演示如何可视化解决方案，即我在尝试应用matplotlib时出错。它的说明如下：TypeError：不再支持为timedelta64[ns]dtype向fillna传递整数。要获得旧的行为，请传递pd.Timedelta（seconds=n）。用于获取此错误消息的代码是：导入matplotlib.pyplot作为plt plt.style.use（'ggplot'）ax=result.plot（kind='bar'，title='title'，figsize=（15,10），legend=True，fontsize=20）ax.setxlabel（“Line”，fontsize=15）ax.setylabel（“登录次数”，fontsize=15）plt.show（）@Hubsandspokes我认为最好的方法是使用我的解决方案而不转换回timeltas，所以只使用

result.groupby（'Col1'）['Col2'].agg（['mean'，'min'，'max']）

。您的错误应该通过

.fillna（pd.Timedelta（0））

嗨，jezrael，我可以请您更具体一点吗？-首先，按照您最初的解决方案，一切都很顺利，我得到了Col1和Col2的天数等回复。第二，我想“回风”以便能够形象化，但我从你的建议中得到了错误。因此，在阅读您的行“…您的错误应该由.fillna（pd.Timedelta（0））解决”时，我有点困惑。您是否有可能提供完整的代码，这是您的第一个答案Thx，非常提前，BRHubsandspokes@Hubsandspokes-答案被编辑了，我希望现在它更清楚了。这次尝试将下面的numpy代码转换为与第一次相同的天、小时、分钟、秒…X=登录次数\u所有值split=round（len（X）/2）X1，X2=X[0:split]，X[split:]mean1，mean2=X1.mean（），X2.mean（）var1，var2=X1.var（），X2.var（）打印（'mean1=%f，mean2=%f%%（mean1，mean2））打印（'variance1=%f，variance2=%f%%（var1，var2））我得到的结果是：平均值1=60785.792548，平均值2=61291.266868方差1=7483553053.651829，方差2=7603208729.348722。希望得到与上次相同的结果。我把np.array放在一个.to_numpy dataframe.hmm中，仍然得到60785.7925等等。嗨，jezrael，你能帮助我演示如何可视化解决方案吗，也就是说，我在尝试应用时遇到了一个错误g matplotlib。它的说明如下：类型错误：不再支持为timedelta64[ns]数据类型向fillna传递整数。若要获取旧行为，请改为传递

pd.Timedelta（seconds=n）

。用于获取此错误消息的代码是：将matplotlib.pyplot作为plt plt.style导入。使用（'ggplot'）ax=result.plot（kind='bar'，title=“Title”，figsize=（15,10），legend=True，fontsize=20）ax.setxlabel（“Line”，fontsize=15）ax.setylabel（“登录次数”，fontsize=15）plt.show（）@Hubsandspokes我认为最好的方法是使用我的解决方案而不转换回timeltas，所以只使用

result.groupby（'Col1'）['Col2'].agg（['mean'，'min'，'max'））

。您的错误应通过

.fillna（pd.Timedelta（0））解决

Hi jezrael，我可以请你说得更具体一点吗？-首先，按照你最初的解决方案，一切都很好，我得到了Col1和Col2的天数等回复。其次，我想“回退”以便能够可视化，但我从你的建议中得到了错误。因此，读你的台词时我有点困惑，“…你的错误应该是”ld由.fillna（pd.Timedelta（0））求解…你有可能提供完整的代码吗？这是你的第一个答案吗？-Thx，非常，提前，BRHubsandspokes@Hubsandspokes-答案已编辑，我希望现在更清楚。这次尝试将下面的numpy代码转换为与第一次相同的天、小时、分钟、秒…X=登录次数\u所有值拆分=四舍五入（len（X）/2）X1，X2=X[0:split]，X[split:]mean1，mean2=X1.mean（），X2.mean（）var1，var2=X1.var（），X2.var（）打印（'mean1=%f，mean2=%f%%（mean1，mean2）]打印（'variance1=%f，variance2=%f%%（var1，var2））我得到了这样的结果：平均值1=60785.792548，平均值2=61291.266868，方差1=7483553053.651829，方差2=7603208729.348722。希望得到和上次相同的结果。我把np.array放在一个.to_numpy dataframe.hmm中，仍然得到60785.7925，依此类推