我在 python 中使用 pandas 来处理时间。 我想总结几个日期之间耗时,它们是:
0 2012-03-06 14:22:00
0 2012-06-02 11:29:00
1 2012-04-16 20:51:00
1 2012-04-28 09:57:00
为此,我计算用 0 索引的前 2 个日期之间耗时,如下所示:
dt0 = df.end[0] - df.start[0]
out: 87 days 21:07:00
dtype: timedelta64[ns]
接下来的两个日期之间也是如此:
dt1 = df.end[1] - df.start[1]
out: 11 days 13:06:00
dtype: timedelta64[ns]
效果很好,但是当我对两次求和时:
dt2 = dt1 + dt0
我得到 dt2 = NaT,而不是 87 天 21:07:00 + 11 天 13:06:00 的总和。有人可以帮忙吗?
下面是同一问题的另一个示例的屏幕截图:将 a 和 b,两个 dtype: timedelta64[ns] 相加不起作用,为什么?
最佳答案
看,这就是为什么我明确希望您打印类型。 dt1
和dt0
不是<class 'pandas._libs.tslibs.timedeltas.Timedelta'>
,他们是pandas.Series
.
当您添加两个Series
时它根据索引对齐。自 dt1
和dt2
如果不共享相同的索引,它会用空值(本例中为 NaT
)填充缺失值,然后执行加法。默认情况下,执行加法时它不会忽略空值,因此您看到的是 x + NaT = NaT
这就是数学的原理。
示例数据
import pandas as pd
a = pd.Series(pd.Timedelta(1,'d'), index=[21005])
#21005 1 days
#dtype: timedelta64[ns]
b = pd.Series(pd.Timedelta(2,'d'), index=[16992])
#16992 2 days
#dtype: timedelta64[ns]
代码
加法将在索引上对齐。他们不共享索引,所以你得到 NaT
.
a+b
#16992 NaT
#21005 NaT
#dtype: timedelta64[ns]
您真正想做的是添加值,无论索引如何:
a.values+b.values
#array([259200000000000], dtype='timedelta64[ns]')
但实际上你应该更改你的代码,以便 dt0
和dt1
如果您实际上不需要pd.Series
,则只是这些值.
关于python - 如何对 dtype : timedelta64[ns] in pandas/Python? 求和,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/51527011/