我有一个包含 1 小时周期 DateTime 列 ts_start 和移动一列 ts_end 的数据框:
import pandas as pd
from datetime import datetime, timedelta
now = datetime.now()
d = pd.date_range(now, now + timedelta(hours=7), freq='h')
np.random.seed(seed=1111)
df = pd.DataFrame({'ts_start': d, 'col2': range(len(d))})
df = df.assign(ts_end=df['ts_start'].shift(-1))
print(df)
ts_start col2 ts_end
0 2019-05-17 16:51:23.630583 0 2019-05-17 17:51:23.630583
1 2019-05-17 17:51:23.630583 1 2019-05-17 18:51:23.630583
2 2019-05-17 18:51:23.630583 2 2019-05-17 19:51:23.630583
3 2019-05-17 19:51:23.630583 3 2019-05-17 20:51:23.630583
4 2019-05-17 20:51:23.630583 4 2019-05-17 21:51:23.630583
5 2019-05-17 21:51:23.630583 5 2019-05-17 22:51:23.630583
6 2019-05-17 22:51:23.630583 6 2019-05-17 23:51:23.630583
7 2019-05-17 23:51:23.630583 7 NaT
我想用下一个小时值填充 NaT，即 2019-05-18 00:51:23.630583
interpolate() 或 interpolate(method='time') 什么都不做，
shift(-1, freq='h') 产生:
NotImplementedError:类型 RangeIndex 不支持
我很确定一定有一些简单的方法可以进一步扩展日期时间范围。
最佳答案
向移位的列添加一个偏移量
df.ts_end.fillna(df.ts_end.shift() + pd.offsets.Hour(1))
0 2019-05-17 08:10:39.380197
1 2019-05-17 09:10:39.380197
2 2019-05-17 10:10:39.380197
3 2019-05-17 11:10:39.380197
4 2019-05-17 12:10:39.380197
5 2019-05-17 13:10:39.380197
6 2019-05-17 14:10:39.380197
7 2019-05-17 15:10:39.380197
Name: ts_end, dtype: datetime64[ns]
关于python - Pandas 移位和推断日期时间列，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/56188004/