Python 计算数据帧的时差

我有一个熊猫数据框，其中索引如下：

Index([16/May/2013:23:56:43, 16/May/2013:23:56:42, 16/May/2013:23:56:43, ..., 17/May/2013:23:54:45, 17/May/2013:23:54:45, 17/May/2013:23:54:45], dtype=object)

我用以下方法计算了后续事件的时差

df2['tvalue'] = df2.index
df2['tvalue'] = np.datetime64(df2['tvalue'])
df2['delta'] = (df2['tvalue']-df2['tvalue'].shift()).fillna(0)

所以我得到了以下输出

    Time                      tvalue delta                                          
16/May/2013:23:56:43   2013-05-01 13:23:56 00:00:00  
16/May/2013:23:56:42   2013-05-01 13:23:56 00:00:00  
16/May/2013:23:56:43   2013-05-01 13:23:56 00:00:00  
16/May/2013:23:56:43   2013-05-01 13:23:56 00:00:00  
16/May/2013:23:56:48   2013-05-01 13:23:56 00:00:00  
16/May/2013:23:56:48   2013-05-01 13:23:56 00:00:00  
16/May/2013:23:56:48   2013-05-01 13:23:56 00:00:00  
16/May/2013:23:57:44   2013-05-01 13:23:57 00:00:01  
16/May/2013:23:57:44   2013-05-01 13:23:57 00:00:00  
16/May/2013:23:57:44   2013-05-01 13:23:57 00:00:00  

---

但是它计算了以小时为单位的时间差，并且日期也不同？这里会有什么问题？

解析您的日期非常重要，我认为strtime可以做到，但对我来说不起作用。上面的示例时间只是字符串，而不是日期时间

In [140]: from dateutil import parser

In [130]: def parse(x):
   .....:     date, hh, mm, ss = x.split(':')
   .....:     dd, mo, yyyy = date.split('/')
   .....:     return parser.parse("%s %s %s %s:%s:%s" % (yyyy,mo,dd,hh,mm,ss))
   .....: 

In [131]: map(parse,idx)
Out[131]: 
[datetime.datetime(2013, 5, 16, 23, 56, 43),
 datetime.datetime(2013, 5, 16, 23, 56, 42),
 datetime.datetime(2013, 5, 16, 23, 56, 43),
 datetime.datetime(2013, 5, 17, 23, 54, 45),
 datetime.datetime(2013, 5, 17, 23, 54, 45),
 datetime.datetime(2013, 5, 17, 23, 54, 45)]

In [132]: pd.to_datetime(map(parse,idx))
Out[132]: 
<class 'pandas.tseries.index.DatetimeIndex'>
[2013-05-16 23:56:43, ..., 2013-05-17 23:54:45]
Length: 6, Freq: None, Timezone: None

In [133]: df = DataFrame(dict(time = pd.to_datetime(map(parse,idx))))

In [134]: df
Out[134]: 
                 time
0 2013-05-16 23:56:43
1 2013-05-16 23:56:42
2 2013-05-16 23:56:43
3 2013-05-17 23:54:45
4 2013-05-17 23:54:45
5 2013-05-17 23:54:45

In [138]: df['delta'] = (df['time']-df['time'].shift()).fillna(0)

In [139]: df
Out[139]: 
                 time     delta
0 2013-05-16 23:56:43  00:00:00
1 2013-05-16 23:56:42 -00:00:01
2 2013-05-16 23:56:43  00:00:01
3 2013-05-17 23:54:45  23:58:02
4 2013-05-17 23:54:45  00:00:00
5 2013-05-17 23:54:45  00:00:00

[140]中的

：来自dateutil导入解析器
在[130]中：def parse（x）：
..：日期，hh，mm，ss=x.split（“：”）
..：dd，mo，yyyy=日期.拆分（'/'））
..：返回parser.parse（“%s%s%s%s:%s:%s”%（yyyy、mo、dd、hh、mm、ss））
.....: 
In[131]：映射（parse，idx）
出[131]：
[datetime.datetime（2013,5,16,23,56,43），
datetime.datetime（2013,5,16,23,56,42），
datetime.datetime（2013,5,16,23,56,43），
datetime.datetime（2013,5,17,23,54,45），
datetime.datetime（2013,5,17,23,54,45），
datetime.datetime（2013,5,17,23,54,45）]
In[132]：pd.to_datetime（map（parse，idx））
出[132]：
[2013-05-16 23:56:43, ..., 2013-05-17 23:54:45]
长度：6，频率：无，时区：无
在[133]中：df=DataFrame（dict（time=pd.to_datetime（map（parse，idx）））
In[134]：df
出[134]：
时间
0 2013-05-16 23:56:43
1 2013-05-16 23:56:42
2 2013-05-16 23:56:43
3 2013-05-17 23:54:45
4 2013-05-17 23:54:45
5 2013-05-17 23:54:45
在[138]中：df['delta']=（df['time']-df['time'].shift（））.fillna（0）
In[139]：df
出[139]：
时间增量
0 2013-05-16 23:56:43  00:00:00
1 2013-05-16 23:56:42 -00:00:01
2 2013-05-16 23:56:43  00:00:01
3 2013-05-17 23:54:45  23:58:02
4 2013-05-17 23:54:45  00:00:00
5 2013-05-17 23:54:45  00:00:00

也可以使用

df.diff（）

代替

df['time']-df['time'].shift（）

。稍微干净一点。@Jeff:工作得很好！：）但是处理代码需要时间！