pandas 时长索引

更新时间：2022-04-04 10:32:01 标签：pandas 索引 时长

看过来

《pandas 教程》持续更新中，可作为 pandas 入门进阶课程、pandas 中文手册、用法大全，配有案例讲解和速查手册。提供建议、纠错、催更等加作者微信: gairuo123（备注：pandas教程）和关注公众号「盖若」ID: gairuo。查看更新日志。作者开办 Python 数据分析培训，详情 Python 数据分析培训。

本教程作者所著新书《深入浅出Pandas：利用Python进行数据处理与分析》（ISBN：9787111685456）已由机械工业出版社出版上市，各大电商平台有售，欢迎：查看详情并关注购买。

时长数据可以做为索引（TimedeltaIndex），使用的场景比较少，可能在特定领域吧，我们来看看它的相关操作。

无频率时长索引

以下是定义一个无频率的时长索引：

pd.TimedeltaIndex(['1 days', '1 days, 00:00:05',
                   np.timedelta64(2, 'D'),
                   datetime.timedelta(days=2, seconds=2)])

# TimedeltaIndex(['1 days 00:00:00', '1 days 00:00:05', '2 days 00:00:00',
#                 '2 days 00:00:02'],
#                dtype='timedelta64[ns]', freq=None)

有频率时长索引

freq='infer' 可以自动推断频率：

pd.TimedeltaIndex(['0 days', '10 days', '20 days'], freq='infer')
# TimedeltaIndex(['0 days', '10 days', '20 days'], dtype='timedelta64[ns]', freq='10D'

使用 pd.timedelta_range() 可以非常方便地按频率生成：

pd.timedelta_range(start='1 day', periods=4)
'''
TimedeltaIndex(['1 days', '2 days', '3 days', '4 days'],
               dtype='timedelta64[ns]', freq='D')
'''
# 不包含开始
pd.timedelta_range(start='1 day', periods=4, closed='right')
# 频率指定为 6小时
pd.timedelta_range(start='1 day', end='2 days', freq='6H')
# 指定开始结束时间和周期
pd.timedelta_range(start='1 day', end='5 days', periods=4)

访问

按索引访问数据也很方便，与普通时序索引一样：

s['1 day':'2 day']
s['1 day 01:00:00']
s[pd.Timedelta('1 day 1h')]
s['1 day':'1 day 5 hours']

转为列表

to_list()也适用：

tdi = pd.TimedeltaIndex(['1 days', pd.NaT, '2 days'])
tdi.to_list()
# [Timedelta('1 days 00:00:00'), NaT, Timedelta('2 days 00:00:00')]

dti = pd.date_range('20130101', periods=3)
dti.to_list()
'''
[Timestamp('2013-01-01 00:00:00', freq='D'),
 Timestamp('2013-01-02 00:00:00', freq='D'),
 Timestamp('2013-01-03 00:00:00', freq='D')]
'''
(dti + tdi).to_list()
# [Timestamp('2013-01-02 00:00:00'), NaT, Timestamp('2013-01-05 00:00:00')]

(dti - tdi).to_list()
# [Timestamp('2012-12-31 00:00:00'), NaT, Timestamp('2013-01-01 00:00:00')]

属性

一些常用的属性：

tdr = pd.timedelta_range(start='1 days', end='2 days', freq='30T')

tdr.days # 天数序列
tdr.seconds # 秒
tdr.microseconds # 毫秒
tdr.nanoseconds # 纳秒

# 生成各单位的数值df
tdr.components
tdr.components.minutes # 取期中一个序列

# 推断出频率
tdr.inferred_freq # '30T'

方法

一些常用的方法：

# 转为 python datetime 时间长度数据列表
tdr.to_pytimedelta()
# 转为 series
tdr.to_series()
# 转为 DataFrame
tdr.to_frame()
# 平均
tdr.mean()
# 最大
tdr.max()

其他操作：

round(self, *args, **kwargs)
# Perform round operation on the data to the specified freq.

floor(self, *args, **kwargs)
#Perform floor operation on the data to the specified freq.

ceil(self, *args, **kwargs)
# Perform ceil operation on the data to the specified freq.

重采样

和普通时序数据一样，都可以支持重采样：

s.resample('D').mean()
'''
1 days    11.5
2 days    35.5
3 days    59.5
4 days    83.5
5 days    97.5
Freq: D, dtype: float64
'''

<< 时长的属性 pandas 教程时间跨度 >>