4

（Python 2.7，熊猫 0.9）

这似乎是一件简单的事情，但我不知道如何使用 Pandas 计算数据框中两个日期列之间的差异。此数据框已经有一个索引，因此不希望将任一列设为 DateTimeIndex。

要从我使用的字符串转换每个日期列：

data.Date_Column = pd.to_datetime(data.Date_Column)

从那里，为了获得两列之间的经过时间，我这样做：

data.Closed_Date - data.Created_Date

返回错误：

TypeError: %d format: a number is required, not a numpy.timedelta64

检查两列上的 dtypes 产生 datetime64[ns] 并且数组中的各个日期是时间戳类型。

我错过了什么？

编辑：

这是一个示例，我可以创建单独的 DateTimeIndex 对象并完成我想要的，但是当我尝试在数据框的上下文中执行它时，它失败了。

Created_Date = pd.DatetimeIndex(data['Created_Date'], copy=True)
Closed_Date = pd.DatetimeIndex(data['Closed_Date'], copy=True)

Closed_Date.day - Created_Date.day
[Out] array([ -3, -16,   5, ...,   0,   0,   0])

现在相同，但在数据框中：

data.Created_Date = pd.DatetimeIndex(data['Created_Date'], copy=True)
data.Closed_Date = pd.DatetimeIndex(data.Closed_Date, copy=True)

data.Created_Date.day - data.Created_Date.day

AttributeError: 'Series' object has no attribute 'day'

如果您想尝试一下，这里有一些数据：

data['Created Date'][0:10].to_dict()
{0: '1/1/2009 0:00',
 1: '1/1/2009 0:00',
 2: '1/1/2009 0:00',
 3: '1/1/2009 0:00',
 4: '1/1/2009 0:00',
 5: '1/1/2009 0:00',
 6: '1/1/2009 0:00',
 7: '1/1/2009 0:00',
 8: '1/1/2009 0:00',
 9: '1/1/2009 0:00'}

data['Closed Date'][0:10].to_dict()
{0: '1/7/2009 0:00',
 1: nan,
 2: '1/1/2009 0:00',
 3: '1/1/2009 0:00',
 4: '1/1/2009 0:00',
 5: '1/12/2009 0:00',
 6: '1/12/2009 0:00',
 7: '1/7/2009 0:00',
 8: '1/10/2009 0:00',
 9: '1/7/2009 0:00'}
4

1 回答 1

6

更新：一个有用的解决方法是使用 DatetimeIndex 构造函数（通常比应用快得多）粉碎它，例如：

DatetimeIndex(df['Created_Date']).day

在 0.15 中，这将在 dt 属性中可用（以及其他日期时间方法）：

df['Created_Date'].dt.day

您的错误是语法，尽管人们可能希望它会起作用，但它不会：

data.Created_Date.day - data.Created_Date.day
AttributeError: 'Series' object has no attribute 'day'

通过像这样更复杂的选择，您可以使用apply：

In [111]: df['sub'] = df.apply(lambda x: x['Created_Date'].day - x['Closed_Date'].day, axis=1)

In [112]: df[['Created_Date','Closed_Date','sub']]
Out[112]: 
         Created_Date         Closed_Date  sub
0 2009-01-07 00:00:00 2009-01-01 00:00:00    6
1                 NaT 2009-01-01 00:00:00    9
2 2009-01-01 00:00:00 2009-01-01 00:00:00    0
3 2009-01-01 00:00:00 2009-01-01 00:00:00    0
4 2009-01-01 00:00:00 2009-01-01 00:00:00    0
5 2009-01-12 00:00:00 2009-01-01 00:00:00   11
6 2009-01-12 00:00:00 2009-01-01 00:00:00   11
7 2009-01-07 00:00:00 2009-01-01 00:00:00    6
8 2009-01-10 00:00:00 2009-01-01 00:00:00    9
9 2009-01-07 00:00:00 2009-01-01 00:00:00    6

请注意，您可能应该对这些NaTs 分别做一些事情：

In [114]: df.ix[1][1].day # NaT.day
Out[114]: -1

.

.days注意：在 timedelta 上使用类似的奇怪行为NaT：

In [115]: df['sub2'] = df.apply(lambda x: (x['a'] - x['b']).days, axis=1)

In [116]: df['sub2'][1]
Out[116]: 92505
于 2012-11-20T21:07:57.290 回答