Python Pandas 时间增量

时间增量是时间上的差异，以差异单位表示，例如，天、小时、分钟、秒。它们既可以是积极的，也可以是消极的。

我们可以使用各种参数创建 Timedelta 对象，如下所示：

String

通过传递一个字符串文字，我们可以创建一个 timedelta 对象。

import pandas as pd

print pd.Timedelta('2 days 2 hours 15 minutes 30 seconds')

Its output 如下：

2 days 02如下：30

Integer

通过将整数值与单位一起传递，参数会创建一个 Timedelta 对象。

import pandas as pd

print pd.Timedelta(6,unit='h')

Its output 如下：

0 days 06:00:00

数据偏移

数据偏移量，例如 - 周、天、小时、分钟、秒、毫秒、微秒、纳秒也可用于构造。

import pandas as pd

print pd.Timedelta(days=2)

Its output 如下：

2 days 00:00:00

to_timedelta()

使用顶层 pd.to_timedelta ，你可以将标量、数组、列表或序列从可识别的 timedelta 格式/值转换为 Timedelta 类型。如果输入是一个系列，它将构造系列，如果输入是类似标量的，它将构造一个标量，否则将输出一个 时间增量索引 .

import pandas as pd

print pd.Timedelta(days=2)

Its output 如下：

2 days 00:00:00

运营

你可以对 Series/DataFrames 进行操作并构造 时间增量64[ns] 通过减法运算系列 日期时间64[ns] 系列或时间戳。

现在让我们创建一个包含 Timedelta 和 datetime 对象的 DataFrame，并对其进行一些算术运算：

import pandas as pd

s = pd.Series(pd.date_range('2012-1-1', periods=3, freq='D'))
td = pd.Series([ pd.Timedelta(days=i) for i in range(3) ])
df = pd.DataFrame(dict(A = s, B = td))

print df

Its output 如下：

            A      B
0  2012-01-01 0 days
1  2012-01-02 1 days
2  2012-01-03 2 days

加法运算

import pandas as pd

s = pd.Series(pd.date_range('2012-1-1', periods=3, freq='D'))
td = pd.Series([ pd.Timedelta(days=i) for i in range(3) ])
df = pd.DataFrame(dict(A = s, B = td))
df['C']=df['A']+df['B']

print df

Its output 如下：

           A      B          C
0 2012-01-01 0 days 2012-01-01
1 2012-01-02 1 days 2012-01-03
2 2012-01-03 2 days 2012-01-05

减法运算

import pandas as pd

s = pd.Series(pd.date_range('2012-1-1', periods=3, freq='D'))
td = pd.Series([ pd.Timedelta(days=i) for i in range(3) ])
df = pd.DataFrame(dict(A = s, B = td))
df['C']=df['A']+df['B']
df['D']=df['C']+df['B']

print df

Its output 如下：

           A      B          C          D
0 2012-01-01 0 days 2012-01-01 2012-01-01
1 2012-01-02 1 days 2012-01-03 2012-01-04
2 2012-01-03 2 days 2012-01-05 2012-01-07