目录
- Ⅰ Python基础
- 1. Python入门
- 2. 流程控制
- 3. Python函数使用
- 4. Python中的列表
- 5. 字典
- 6. Python中的字符串
- 7. 异常处理
- Ⅱ Python 进阶
- Ⅲ Python常用类库
- 1. 正则表达式
- 2. 文件读写
- 3. 文件操作
- 4. CSV与JSON
- 5. 日期与时间
- 6. 文本文件
- Ⅳ Python日常工具
- 1. 用 Python 处理电子表格
- 2. DOCX 文档解析与处理
- 3. 用Python进行图像处理
- 4. 使用Python处理PDF文档
- 5. Web信息解析与处理
- 6. Web信息生成与发布
- 7. 自动化Email处理
- 8. 杂项
- Ⅴ 专题
- 1. Pillow图像处理
- 2. OpenCV处理
- 3. 数据库自动化报表处理:使用SQLite
- 4. Python和Web
- 5. Web信息处理
- 6. Web模板引擎
- 7. XML 处理
- Ⅵ 图像处理:使用scikit-image
- 1. skimage数字图像处理基础
- 2. skimage数字图像处理中级
- 3. skimage数字图像处理高级
- Ⅶ 科学计算
- 1. NumPy数值计算
- 2. SciPy科学类库
- 3. SymPy符号运算
- 4. Matplotlib绘图
- 5. Pandas 第一部分
- 6. Pandas 第二部分
- 6.1. Pandas排序
- 6.2. Pandas字符串和文本数据
- lower()函数示例
- upper()函数示例
- len()函数示例
- strip()函数示例
- split(pattern)函数示例
- cat(sep=pattern)函数示例
- get_dummies()函数示例
- contains()函数示例
- replace(a,b)函数示例
- repeat(value)函数示例
- count(pattern)函数示例
- startswith(pattern)函数示例
- endswith(pattern)函数示例
- find(pattern)函数示例
- findall(pattern)函数示例
- swapcase()函数示例
- islower()函数示例
- isupper()函数示例
- isnumeric()函数示例
- 6.3. Pandas选项和自定义
- 6.4. Pandas索引和选择数据
- 6.5. Pandas统计函数
- 6.6. Pandas窗口函数
- 6.7. Pandas聚合
- 6.8. Pandas缺失数据
- 6.9. Pandas分组(GroupBy)
- 6.10. Pandas合并/连接
- 6.11. Pandas级联
- 7. Pandas 第三部分
- Ⅷ 自然语言与知识图谱
上一个主题
下一个主题
>>> from env_helper import info; info()
待更新
7.2. Pandas时间差(Timedelta)¶
时间差(Timedelta)是时间上的差异,以不同的单位来表示。例如:日,小时,分钟,秒。 它们可以是正值,也可以是负值。 可以使用各种参数创建Timedelta对象,如下所示 -
字符串¶
通过传递字符串,可以创建一个timedelta对象。参考以下示例代码 -
>>> import pandas as pd
>>> pd.Timedelta('2 days 2 hours 15 minutes 30 seconds')
Timedelta('2 days 02:15:30')
整数¶
通过传递一个整数值与指定单位,这样的一个参数也可以用来创建Timedelta对象。
>>> pd.Timedelta(6,unit='h')
Timedelta('0 days 06:00:00')
运算操作¶
可以在Series/DataFrames上执行运算操作,并通过在datetime64 [ns]系列或在时间戳上减法操作来构造timedelta64 [ns]系列。参考以下示例代码 -
>>> 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
A | B | |
---|---|---|
0 | 2012-01-01 | 0 days |
1 | 2012-01-02 | 1 days |
2 | 2012-01-03 | 2 days |
相加操作¶
>>> s = pd.Series(pd.date_range('2018-1-1', 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
A | B | C | |
---|---|---|---|
0 | 2018-01-01 | 0 days | 2018-01-01 |
1 | 2018-01-02 | 1 days | 2018-01-03 |
2 | 2018-01-03 | 2 days | 2018-01-05 |
相减操作¶
>>> df = pd.DataFrame(dict(A = s, B = td))
>>> df['C']=df['A']+df['B']
>>> df['D']=df['C']-df['B']
>>> df
A | B | C | D | |
---|---|---|---|---|
0 | 2018-01-01 | 0 days | 2018-01-01 | 2018-01-01 |
1 | 2018-01-02 | 1 days | 2018-01-03 | 2018-01-02 |
2 | 2018-01-03 | 2 days | 2018-01-05 | 2018-01-03 |