我想将分钟列表添加datetime64到新的 df 列中。

我尝试循环使用datetime.timedelta(minutes=x)。for但结果，它为我的所有行添加了一个常量值。我该如何解决这个问题？

我希望遍历列表并添加相应的分钟数，但这是为每一行添加一个 16 分钟的常量值。

我有一个测量值数据集及其相应的时间戳，格式为 hh:mm:ss，其中 hh 可以> 24 h。

对于机器学习任务，需要对数据进行插值，因为分别有多个具有不同时间戳的测量值。对于重采样和插值，我发现索引的 dtype 应该是日期时间格式。对于进一步的数据处理和机器学习任务，我需要再次使用 timedelta 格式。

这是一些代码：

不幸的是，我收到以下错误消息：

FutureWarning：不推荐将 datetime64-dtype 数据传递给 TimedeltaIndex，这将在未来版本中引发 TypeError Res_cont = pd.to_timedelta(Res_cont.index)

很明显，我提供的代码的最后一行存在问题。我想知道，如何更改此代码以防止将来版本中出现类型错误。不幸的是，我不知道如何解决它。

也许你能帮忙？

编辑：这里有一些任意样本数据：

我想从 a 中读取两列 S1_max 和 S2_max dataframe data。无论 S1_max 列中的哪个值存在，我都想检查每个S1_max值是否都有相应的S2_max信号。如果是这样，我计算S1_max和S2_max信号之间的时间增量。然后，此结果datetime[64ns]在单独的 S2_max 列的索引处被索引，dict d然后附加到list delta_data. 如何将此结果添加到data相应datetime[64ns]索引处已存在的数据框中？

这是我的创作delta_data：

delta_data打印出来：

这是我的data数据框：

此数据框由以下人员创建：

我试过DataFrame.combine_first和append.

此外，尝试将另一个数据帧添加到data. 此数据帧在日期时间帧中没有 ms：

我正在设置一个新列作为 Python 中的日差（在 Jupyter 笔记本上）。

我执行了列日期和当前日期之间的天差。另外，我通过当前日期（当前日期 -/+ 使用 timedelta 函数的输入日期）执行了日期列和新创建日期之间的日期差异。

但是，每当我使用同一列和不同列的 max() 时，日差列都有 NaN 值。这对我来说没有意义，也许我错过了日期类型。当我检查所有类型时，它们似乎都是 datetime64 （我已经转换为 datetime64 ）。

我认为原因是没有足够大的日期。但是，它发生在任何特定日期，例如 max(datecolumn)+timedelta(days=i)。

t=data_signups[["date_joined"]].max()

date_joined 2019-07-18 07:47:24.963450 数据类型：datetime64[ns]

t = t + timedelta(30)

date_joined 2019-08-17 07:47:24.963450 数据类型：datetime64[ns]

data_signups['joined_to_today'] = (t - data_signups['date_joined']).dt.days

data_signups.head(2)

缩短...

• date_joined_______________//joined_to_today________
• 2019-05-31 10:52:06.327341 // 南
• 2019-04-02 09:20:26.520272 // 南

然而，它适用于当前的任务，如下所示。

Currentdate = datetime.datetime.now() print(Currentdate) 2019-09-01 17:05:48.934362

before_days=int(input("输入今天之前的天数进行分析"))

30

完毕

last_day_for_analysis = Currentdate - timedelta(days=before_days)

打印（last_day_for_analysis）

2019-08-02 17:05:48.934362

data_signups['joined_to_today'] = (last_day_for_analysis - data_signups['date_joined']).dt.days

data_signups.head(2)

缩短...

• date_joined_______________//joined_to_today________
• 2019-05-31 10:52:06.327341 // 63
• 2019-04-02 09:20:26.520272 // 122

我希望存在日期类型问题。但是，我无法弄清楚，因为它们都是 datetime64。列中没有 NaN 值。

谢谢您的帮助。我是新手，我每天都在努力学习。

我正在从 Matlab 迁移...在 Windows 10 中使用 Jupyter Lab。

假设我有一个时间序列，其中包含一组 datetime64 和一些其他数据

我想合并两者以保存在另一个笔记本中继续工作（我知道还有其他方法可以做到这一点！）。首先，我将它们转换为列数组

并合并

并得到

但是如果我首先将 datetime64 转换为 datetime

有用。

问题：当数据和时间为 datetime64 时，为什么我不能合并数组？为什么我需要将其转换为日期时间？

我有一个 datetime64 对象的 Numpy 数组，我需要将其转换为特定的时间格式 yyyy-mm-dd,HH:MM:SS.SSS Numpy 有一个名为datetime_as_string输出 ISO8601 (yyyy-mm-ddTHH:MM:SS. SSS）时间，这与我想要的非常接近，唯一的区别是有一个 T 我想要一个逗号。

有没有办法快速将“T”换成“，”？这是一个示例数据集：

我已经成功使用了 lambda 和列表推导，但是从 Python 列表到 Numpy 数组来回切换似乎很尴尬。

我知道在某些情况下 lambdas 可以“直接”应用于 Numpy 数组，但在这种情况下它不起作用。f(time_strings)产生一个类型错误。有什么想法吗？

我知道我可以转换回 Python 日期时间（这是我来自的方向）或使用 Pandas。但是这个datetime_as_string功能真的很快，我想坚持使用 Numpy 解决方案。

--- 基于答案的结论 ---
事实证明，Paul 的观点施展黑魔法比我的列表理解快 75 倍，比np.char.replace(). 以下是这三种方法的结果（均使用上述数据集进行初始化，但包含 1000000 个元素）。

我已经尝试了很多事情，但似乎无法让它发挥作用。本质上，我想这样做是因为当我尝试将此 ndarray 转换为 DataFrame 时发生错误。在 Dataframe 中查找缺失的 Datetime64 值时会发生以下错误：

“越界纳秒时间戳：1-01-01 00:00:00”

因此，我希望将这些 DateTime64 列转换为字符串并在 ndarray 中重新编码“1-01-01 00:00:00”，然后将它们转换回 DataFrame 中的 DateTime 变量，以避免遇到上面显示的错误。

印刷：

访问时DataFrame.values，所有pd.Timestamp对象都转换为np.datetime64对象，为什么？可以存在np.ndarray包含pd.Timestamp对象，因此我不明白为什么总是会发生这种自动转换。

你知道如何预防吗？

最小的例子：

蟒蛇：3.6.7.final.0

熊猫：0.25.3

麻木：1.16.4

我减去了两个 datetime64 列，得到了一列结果，例如“00:20:32”和“00:08:21”。然后如何将这些 datetime64 值转换为秒？

我正在使用一个 pandas 数据框，其中一列是 datetime64 对象。我需要绘制每年行数的条形图，并将数据框切片为一个月范围（例如 2011 年 1 月至 2011 年 3 月）。我想我可以添加一个仅包含年份或月份的列，但我该怎么做呢？

我跑了

但得到一个 AttributeError: Can only use .dt accessor with datetimelike values