Python 以小时和分钟为单位计算两列之间的数据帧时间差

我在数据框中有两列，

fromdate

和

todate

将熊猫作为pd导入
数据={'todate'：[pd.时间戳（'2014-01-24 13:03:12.050000'）、pd.时间戳（'2014-01-27 11:57:18.240000'）、pd.时间戳（'2014-01-23 10:07:47.660000'），
“fromdate”：[pd时间戳（'2014-01-26 23:41:21.870000'）、pd时间戳（'2014-01-27 15:38:22.540000'）、pd时间戳（'2014-01-23 18:50:41.420000'）]
df=pd.DataFrame（数据）

我添加了一个新列，

diff

，使用

df['diff']=df['fromdate']-df['todate']

我得到了

diff

列，但它包含

days

，时间超过24小时

todate fromdate diff
0 2014-01-24 13:03:12.050 2014-01-26 23:41:21.870两天10:38:09.820000
2014-01-27 11:57:18.240 2014-01-27 15:38:22.5400天03:41:04.300000
2 2014-01-23 10:07:47.660 2014-01-23 18:50:41.4200天08:42:53.760000

---

如何将结果仅转换为小时和分钟（即天转换为小时）？

时间戳差异返回datetime.timedelta对象。通过使用*as_type*方法，可以很容易地将其转换为小时，如下所示

import pandas
df = pandas.DataFrame(columns=['to','fr','ans'])
df.to = [pandas.Timestamp('2014-01-24 13:03:12.050000'), pandas.Timestamp('2014-01-27 11:57:18.240000'), pandas.Timestamp('2014-01-23 10:07:47.660000')]
df.fr = [pandas.Timestamp('2014-01-26 23:41:21.870000'), pandas.Timestamp('2014-01-27 15:38:22.540000'), pandas.Timestamp('2014-01-23 18:50:41.420000')]
(df.fr-df.to).astype('timedelta64[h]')

屈服

0    58
1     3
2     8
dtype: float64

---

这让我发疯，因为上面的

.astype（）

解决方案对我不起作用。但我找到了另一种方法。没有计时，但可能对其他人有用：

t1 = pd.to_datetime('1/1/2015 01:00')
t2 = pd.to_datetime('1/1/2015 03:30')

print pd.Timedelta(t2 - t1).seconds / 3600.0

…如果你想要几个小时。或：

print pd.Timedelta(t2 - t1).seconds / 60.0

…如果您需要几分钟。

• 如何将结果转换为仅小时和分钟
  • 接受的答案只返回

    天+小时

    不包括分钟。
• 要提供包含小时和分钟的列，如

  hh:mm

  或

  x小时y分钟

  ，需要额外的计算和字符串格式
• 这个答案显示了如何使用

  timedelta

  math将总小时数或总分钟数作为浮点数，并且比使用

  .astype（'timedelta64[h]”）更快。

• ：请参阅支持的操作
• 以下示例数据已经是

  datetime64[ns]数据类型

  。要求使用转换所有相关列

将熊猫作为pd导入
#来自OP的测试数据，其值已采用datetime格式
数据={'to_date'：[pd.时间戳（'2014-01-24 13:03:12.050000'）、pd.时间戳（'2014-01-27 11:57:18.240000'）、pd.时间戳（'2014-01-23 10:07:47.660000'），
“起始日期”：[pd.时间戳（'2014-01-26 23:41:21.870000'）、pd.时间戳（'2014-01-27 15:38:22.540000'）、pd.时间戳（'2014-01-23 18:50:41.420000'）]
#测试数据帧；列必须采用日期时间格式；如果需要，请使用pandas.to_datetime
df=pd.DataFrame（数据）
#如果需要，请添加timedelta列。此处添加此信息仅供参考
#df['time_delta_with_sub']=df.from_date.sub（df.to_date）#同样有效
df['time\u delta']=（df.from\u date-df.to\u date）
#创建一个列，将timedelta作为总小时数，作为浮动类型
df['tot_hour_diff']=（df.from_date-df.to_date）/pd.Timedelta（小时=1）
#创建一个列，将timedelta作为总分钟数，作为浮点类型
df['tot_mins_diff']=（df.from_date-df.to_date）/pd.Timedelta（分钟=1）
#显示（df）
到日期从日期时间增量到小时差异到分钟差异
0 2014-01-24 13:03:12.050 2014-01-26 23:41:21.8702天10:38:09.820000 58.636061 3518.163667
1 2014-01-27 11:57:18.240 2014-01-27 15:38:22.5400天03:41:04.300000 3.684528 221.071667
2 2014-01-23 10:07:47.660 2014-01-23 18:50:41.4200天08:42:53.760000 8.714933522.896000

其他方法

• 其他参考资料中的播客中的一条注释，

  .total_seconds（）

  是在核心开发人员休假时添加和合并的，不会得到批准。
  • 这也是为什么没有其他

    .total\u xx

    方法的原因

#将整个时间增量转换为秒
#这与td/timedelta相同（秒=1）
（df.from_date-df.to_date）.dt.总秒数（）
[out]：
0    211089.82
1     13264.30
2     31373.76
数据类型：64
#获取天数
（df.from_date-df.to_date）.dt.天
[out]：
0    2
1    0
2    0
数据类型：int64
#获得时+分+秒的秒数，但不是天
#请注意与总秒数的差异
（df.from_date-df.to_date）.dt.秒
[out]：
0    38289
1    13264
2    31373
数据类型：int64

其他资源

• • 时间差在31分钟开始
  • 根据Python核心开发人员和维护人员的说法：
    • 使用

      （df.from\u date-df.to\u date）/pd.Timedelta（小时=1）

    • 不要使用

      （df.from_date-df.to_date）.dt.total_seconds（）/3600
• 该模块提供了对标准模块的强大扩展

%%timeit

测试

将熊猫作为pd导入
#具有2M行的数据帧
数据={'to_date'：[pd.Timestamp（'2014-01-24 13:03:12.050000'）、pd.Timestamp（'2014-01-27 11:57:18.240000'）、'from_date'：[pd.Timestamp（'2014-01-26 23:41:21.870000'）、pd.Timestamp（'2014-01-27 15:38:22.540000'）]
df=pd.DataFrame（数据）
df=pd.concat（[df]*1000000）.重置索引（drop=True）
%%时间
（df.from_date-df.to_date）/pd.Timedelta（小时=1）
[out]：
每个回路43.1 ms±1.05 ms（7次运行的平均值±标准偏差，每个10个回路）
%%时间
（df.from_date-df.to_date）.astype（'timedelta64[h]”）
[out]：
每个回路59.8 ms±1.29 ms（7次运行的平均值±标准偏差，每个10个回路）

aType变通方法可以工作，但对于大型（50万行）文件来说速度太慢。还有其他建议吗？timedelta对象具有天和秒的属性。。。是的，（df.fr df.to）.dt.days*24+（df.fr df.to）.dt.seconds/3600谢谢！这对我来说很有效