如何减去数据框中每对行的日期，并使用Python将其保存在excel中

我需要计算两个日期之间的差异，但我需要对每对行进行计算，然后将其保存在excel文件中，例如：

df:

  B
0 2018-02-11 12:14:25                #1st row
1 2018-02-11 12:15:30                #2nd row
2 2018-02-11 12:15:54                #3rd row
3 2018-02-11 12:16:11                #4th row

我的程序需要从第一行减去第二行，从第三行减去第四行

这是我目前的代码：

import pandas as pd

df = pd.read_excel('test.xlsx',header=0, index= False)
sub ='chan_avail'
df["Indexes"]= df["A"].str.find(sub) 
df["B"]=df['Time'].where(df['Indexes'] == 0)
df1 = df.dropna(subset=['B'])
#print(df1)
df2 = df1.reset_index(drop=True, inplace=True)
df1['B'] = pd.to_datetime(df1['B'])

#print(df1)
xx=len(df1.index)
for i in range(xx):
    if i % 2 == 0:
        print('!!') #test
        df1['diffB'] = df1['B'] - df1['B'].shift(-1)
print(df1)
df1.to_excel('output.xlsx', 'Sheet1', index=True)  

我打算做的是，如果索引是pair，则计算行之间的差异，但它不起作用。 另外，当我试图在excel中保存时间差时，我得到了0，但在python控制台中我得到了正确的值，但是如果我将

df1['diffB']=pd.to_datetime（df1['diffB']）

添加到datetime，我会得到错误的结果

---

谢谢您的帮助。

您可以对奇数和偶数值进行切片，并将一个序列转换为numpy数组，以避免对齐-这意味着为了正确进行减法，必须将两个或一个序列中的相同索引值转换为数组：

df['B'] = pd.to_datetime(df['B'])

df['diffB'] = df['B'].iloc[1::2] - df['B'].iloc[::2].to_numpy()
print (df)
                    B    diffB
0 2018-02-11 12:14:25      NaT
1 2018-02-11 12:15:30 00:01:05
2 2018-02-11 12:15:54      NaT
3 2018-02-11 12:16:11 00:00:17

或：

如果行数也是奇数，则解决方案有效：

df['B'] = pd.to_datetime(df['B'])
df['diffB'] = df.groupby(np.arange(len(df)) // 2)['B'].shift(-1) - df['B']
print (df)
                    B    diffB
0 2018-02-11 12:14:25 00:01:05
1 2018-02-11 12:15:30      NaT
2 2018-02-11 12:15:54 00:00:17
3 2018-02-11 12:16:11      NaT

---

非常感谢您的帮助，但如果您能向我解释一下iloc[1:：2]的意思，因为我需要在包含n的数据帧中应用它rows@A.khou-和普林西比一样，只为熊猫添加了

iloc

。如果我的数据帧的长度是奇数，我会得到value错误：无法添加长度不等的索引。我尝试这样做：

a=len（df1.index）如果a%2==0:I在范围内（a）：df['diffB']=df['B'].iloc[1:：2]。to_numpy（）-df['B'].iloc[：2]elif a%2==1:I在范围内（a）：df['diffB']=df['B'].iloc[2:：].to_numpy（）-df['B'].iloc[：：2]

但它没有work@A.khou-替代解决方案如何工作

df['diffB']=df.groupby（np.arange（len（df））//2]['B'].diff（）.shift（-1）

？如果可能，删除

shift

或

df['diffB']=df.groupby（np.arange（len（df））//.2）['B'].shift（-1）-df'B']

df['B'] = pd.to_datetime(df['B'])
df['diffB'] = df.groupby(np.arange(len(df)) // 2)['B'].shift(-1) - df['B']
print (df)
                    B    diffB
0 2018-02-11 12:14:25 00:01:05
1 2018-02-11 12:15:30      NaT
2 2018-02-11 12:15:54 00:00:17
3 2018-02-11 12:16:11      NaT