Python 两个时间戳之间的差异,四舍五入为小时,并将列添加到数据帧
我有一个看起来像这样的数据框,最后两列是我用来帮助我理解时差的。我希望将Python 两个时间戳之间的差异,四舍五入为小时,并将列添加到数据帧,python,pandas,Python,Pandas,我有一个看起来像这样的数据框,最后两列是我用来帮助我理解时差的。我希望将时间戳和forecastRan之间的时间差向上舍入到下一个小时,并将其作为列添加到我的数据帧中。然而,它只是给了我时间(不是四舍五入) 这些是我得到不同的方式 df['time_diff_in_hours'] = (df['timeStamp'] - df['forecastRan']).astype('timedelta64[h]') df['time_diff']= (df['timeStamp'] - df['for
时间戳
和forecastRan
之间的时间差向上舍入到下一个小时,并将其作为列添加到我的数据帧中。然而,它只是给了我时间(不是四舍五入)
这些是我得到不同的方式
df['time_diff_in_hours'] = (df['timeStamp'] - df['forecastRan']).astype('timedelta64[h]')
df['time_diff']= (df['timeStamp'] - df['forecastRan']).dt.total_seconds()
然而,第一个给了我时间。对于第二个,我尝试除以3600得到小时数,然后使用math.ceil
进行四舍五入,如下所示:
import datetime
import math
df['time_diff']= math.ceil(((df['timeStamp'] - df['forecastRan']).dt.total_seconds()/3600))
我得到:TypeError:无法将序列转换为
。我想问题是在我引入math.ceil
时发生的,因为当我刚刚使用(df['timeStamp']-df['forecastModelRun']).dt.total_seconds()/3600
时,我没有得到任何错误。不确定具体在何处汇总以及如何汇总。我认为需要:
或:
import datetime
import math
df['time_diff']= math.ceil(((df['timeStamp'] - df['forecastRan']).dt.total_seconds()/3600))
df['time_diff']= np.ceil(((df['timeStamp'] - df['forecastRan']).dt.total_seconds()/3600))
print (df)
timeStamp forecastRan time_diff_in_hours \
0 2016-11-23 23:00:00 2016-11-23 12:18:00 10.0
1 2016-11-24 00:00:00 2016-11-23 12:18:00 11.0
2 2016-11-24 01:00:00 2016-11-23 12:18:00 12.0
time_diff_seconds time_diff
0 38520.0 11.0
1 42120.0 12.0
2 45720.0 13.0
df['time_diff']= (df['timeStamp'] - df['forecastRan']).dt.ceil('h')
print (df)
timeStamp forecastRan time_diff_in_hours \
0 2016-11-23 23:00:00 2016-11-23 12:18:00 10.0
1 2016-11-24 00:00:00 2016-11-23 12:18:00 11.0
2 2016-11-24 01:00:00 2016-11-23 12:18:00 12.0
time_diff_seconds time_diff
0 38520.0 11:00:00
1 42120.0 12:00:00
2 45720.0 13:00:00
df['time_diff' ]= (df['timeStamp'] - df['forecastRan']).dt.ceil('h').astype('timedelta64[h]')
print (df)
timeStamp forecastRan time_diff_in_hours \
0 2016-11-23 23:00:00 2016-11-23 12:18:00 10.0
1 2016-11-24 00:00:00 2016-11-23 12:18:00 11.0
2 2016-11-24 01:00:00 2016-11-23 12:18:00 12.0
time_diff_seconds time_diff
0 38520.0 11.0
1 42120.0 12.0
2 45720.0 13.0