python - 格式化 timedelta64 字符串输出

标签 python numpy pandas timedelta

与此类似 question ,我在 pandas DataFrame 中有一个 numpy.timedelta64 列。根据这个answer对于上述问题,有一个函数 pandas.tslib.repr_timedelta64 可以很好地显示以天、小时:分钟:秒为单位的时间增量。我只想在几天和几小时内格式化它们。

所以我得到的是以下内容:

def silly_format(hours):
    (days, hours) = divmod(hours, 24)
    if days > 0 and hours > 0:
        str_time = "{0:.0f} d, {1:.0f} h".format(days, hours)
    elif days > 0:
        str_time = "{0:.0f} d".format(days)
    else:
        str_time = "{0:.0f} h".format(hours)
    return str_time

df["time"].astype("timedelta64[h]").map(silly_format)

这让我得到了想要的输出,但我想知道 numpypandas 中是否有类似于 datetime.strftime 的函数可以根据提供的一些格式字符串格式化 numpy.timedelta64


我试图进一步调整@Jeff 的解决方案,但它比我的答案慢得多。在这里:

days = time_delta.astype("timedelta64[D]").astype(int)
hours = time_delta.astype("timedelta64[h]").astype(int) % 24
result = days.astype(str)
mask = (days > 0) & (hours > 0)
result[mask] = days.astype(str) + ' d, ' + hours.astype(str) + ' h'
result[(hours > 0) & ~mask] = hours.astype(str) + ' h'
result[(days > 0) & ~mask] = days.astype(str) + ' d'

最佳答案

虽然@sebix 和@Jeff 提供的答案显示了一种将时间增量转换为天数和小时数的好方法,并且特别是@Jeff 的解决方案保留了 Series 索引,但它们缺乏灵 active 字符串的最终格式。我现在使用的解决方案是:

def delta_format(days, hours):
    if days > 0 and hours > 0:
        return "{0:.0f} d, {1:.0f} h".format(days, hours)
    elif days > 0:
        return "{0:.0f} d".format(days)
    else:
        return "{0:.0f} h".format(hours)

days = time_delta.astype("timedelta64[D]")
hours = time_delta.astype("timedelta64[h]") % 24
return [delta_format(d, h) for (d, h) in izip(days, hours)]

这很适合我,我通过将该列表插入原始 DataFrame 来取回索引。

关于python - 格式化 timedelta64 字符串输出,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/25325759/

相关文章:

python - 以优化方式使用 Pandas 在 DataFrame 中查找和替换

python - 根据未涵盖所有可能组合的数据创建计数表,并且 pandas 数据框中提供缺失值

Python/SQLite 将列表存储为二进制文件 (blob)

python - 如何通过并取消这个小程序

python - 'numpy.int6 4' object has no attribute ' 时间戳'

python - 删除包含少于 (N) 个像素的点

python - 使用 sns 绘制 JIRA,如创建的 v/s 已解决

python - 解释Python 3.4下的inspect.getargspec(map)?

python pandas 计算连续交易中的重复项目

python - scipy.stats.linregress、numpy.polynomial.polynomial.polyfit 和 statsmodels.api.OLS 之间的差异