Python Pandas to_timedelta方法用法及代碼示例

Pandas to_timedelta(~) 方法將給定參數轉換為 timedelta。 Timedeltas 是用於執行日期算術的時間單位(例如 1 小時 40 毫秒)。

參數

1.arg | string 或 timedelta 或 array-like

要轉換為時間增量的數據。

2. unit | string | optional

提供的 arg 的單位。直接取自官方文檔的可能值如下：

'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'

默認情況下，unit="ns"(納秒)。

3. errors | string | optional

當arg無法轉換為時間增量時如何處理：

默認情況下，errors="raise" 。

返回值

如果提供單個數據單元，則返回timedelta64。否則，返回 timedelta64 的 NumPy 數組。

例子

來自字符串

要將字符串轉換為時間增量：

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



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

從一組數字

要將數字數組轉換為 timedelta 數組：

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)

處理錯誤

增加

默認情況下，errors="raise" - 如果任何轉換不成功，則會引發錯誤。例如，假設我們有一些無意義的數據，如下所示：

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



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

忽視

每當從特定值的轉換不成功時，我們可以使該方法返回該值而不是拋出錯誤。這是通過設置 unit="ignore" 來完成的：

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



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

強製

對於不成功的轉換，我們可以讓該方法返回 NaT (not-a-time)：

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



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

timedelta 的實際使用

Timedelta 主要用於執行日期運算。例如，您可以對 DatetimeIndex 中的日期應用 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)

我們還可以將 Timedelta 添加到日期列中。例如，考慮以下情況：

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



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

讓我們在這些日期中添加幾天：

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

在這裏，生成的列 B 也是 datetime ：

df.dtypes



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