Python Pandas to_timedelta方法用法及代码示例

Pandas to_timedelta(~) 方法将给定参数转换为 timedelta。 Timedeltas 是用于执行日期算术的时间单位(例如 1 小时 40 毫秒)。

参数

1.arg | string 或 timedelta 或 array-like

要转换为时间增量的数据。

2. unit | string | optional

提供的 arg 的单位。直接取自官方文档的可能值如下：

'Y', 'M', 'W', 'D', 'days', 'day', 'hours', 'hour', 'hr', 'h',
'm', 'minute', 'min', 'minutes', 'T', 'S', 'seconds', 'sec', 'second',
'ms', 'milliseconds', 'millisecond', 'milli', 'millis', 'L',
'us', 'microseconds', 'microsecond', 'micro', 'micros', 'U',
'ns', 'nanoseconds', 'nano', 'nanos', 'nanosecond', 'N'

默认情况下，unit="ns"(纳秒)。

3. errors | string | optional

当arg无法转换为时间增量时如何处理：

默认情况下，errors="raise" 。

返回值

如果提供单个数据单元，则返回timedelta64。否则，返回 timedelta64 的 NumPy 数组。

例子

来自字符串

要将字符串转换为时间增量：

pd.to_timedelta("2 days 03:04:05")



Timedelta('2 days 03:04:05')

从一组数字

要将数字数组转换为 timedelta 数组：

pd.to_timedelta([20,15], unit="hours")



TimedeltaIndex(['20:00:00', '15:00:00'], dtype='timedelta64[ns]', freq=None)

pd.to_timedelta([2.5], unit="D")



TimedeltaIndex(['2 days 12:00:00'], dtype='timedelta64[ns]', freq=None)

处理错误

增加

默认情况下，errors="raise" - 如果任何转换不成功，则会引发错误。例如，假设我们有一些无意义的数据，如下所示：

pd.to_timedelta([20,[]], unit="hours")   # errors="raise"



ValueError: Invalid type for timedelta scalar: <class 'list'>

忽视

每当从特定值的转换不成功时，我们可以使该方法返回该值而不是抛出错误。这是通过设置 unit="ignore" 来完成的：

pd.to_timedelta([20,[]], unit="hours", errors="ignore")



array([20, list([])], dtype=object)

强制

对于不成功的转换，我们可以让该方法返回 NaT (not-a-time)：

pd.to_timedelta([20,[]], unit="hours", errors="coerce")



TimedeltaIndex(['20:00:00', NaT], dtype='timedelta64[ns]', freq=None)

timedelta 的实际使用

Timedelta 主要用于执行日期运算。例如，您可以对 DatetimeIndex 中的日期应用 2 天的偏移量，如下所示：

idx = pd.DatetimeIndex(["2020-12-25","2020-12-26"])
idx + pd.to_timedelta("2D")



DatetimeIndex(['2020-12-27', '2020-12-28'], dtype='datetime64[ns]', freq=None)

我们还可以将 Timedelta 添加到日期列中。例如，考虑以下情况：

df = pd.DataFrame({"A": pd.date_range("2020-12-25", "2020-12-26")})
df



   A
0  2020-12-25
1  2020-12-26

让我们在这些日期中添加几天：

df["B"] = df["A"] + pd.to_timedelta([3.5, 4], unit="D")
df



   A           B
0  2020-12-25  2020-12-28 12:00:00
1  2020-12-26  2020-12-30 00:00:00

在这里，生成的列 B 也是 datetime ：

df.dtypes



A    datetime64[ns]
B    datetime64[ns]
dtype: object