Python pandas to_timedelta函数似乎将数据转换为0

这一直对我有效，但从几天前开始，我得到了奇怪的结果

my_list = [1,2,3,4,5]
my_series = pd.Series(my_list)
print pd.to_timedelta(my_series)

刚刚回来

0    00:00:00:000000
1    00:00:00:000000
2    00:00:00:000000
3    00:00:00:000000
4    00:00:00:000000

谁能告诉我发生了什么事

编辑： 在我的实际代码中，我使用

df['col'].astype(int, inplace = True)

在调用to_timedelta函数之前。我真的应该这么做

new_col = pd.to_numeric(df['col'])

---

然后调用新列上的\u timedelta。也许有人可以解释为什么会出现这种情况。

到\u timedelta的默认单位为“ns”，请参阅文档或函数原型：

def to_timedelta(arg, unit='ns', box=True, errors='raise', coerce=None):

因此，您只生成了1到5秒的delta，并且显示没有那么深

很可能您选择了错误的单位，将unit='something for your'传递给函数

编辑以解释更多OP评论

通过使用合适的装置，您可以得到您想要的：

pd.to_timedelta(my_series, unit='D')
Out[415]: 
0   1 days
1   2 days
2   3 days
3   4 days
4   5 days
dtype: timedelta64[ns]

该系列中的对象类型仍然是

timedelta[ns]

，这是对象的内部表示形式。括号中的ns提醒您，timedelta对象的精度可降到纳秒

如果我取第一个元素的原始内部值，我会发现纳秒：

pd.to_timedelta(my_series, unit='D')[0].delta
Out[425]: 86400000000000

---

事实上是这样的，为了让timedelta注册，最小值应该是1000this@EdChum：嗯，“显示”，而不是“寄存器”--它们仍然在那里，在

pd.to_timedelta（my_series）.dt.纳秒中@DSM啊，是的，这是真的。我只是查看输出，没有考虑timedelta属性。实际上，我使用的是unit='D'，但返回的值是dtype:timedelta64[ns]。@EdChum在回答中补充了解释