programming python

Python so sánh dấu thời gian

Timedeltas là sự khác biệt về thời gian, được biểu thị bằng đơn vị khác biệt, e. g. ngày, giờ, phút, giây. Chúng có thể là cả tích cực và tiêu cực

In [17]: pd.to_timedelta["1 days 06:05:01.00003"]
Out[17]: Timedelta['1 days 06:05:01.000030']

In [18]: pd.to_timedelta["15.5us"]
Out[18]: Timedelta['0 days 00:00:00.000015500']
8 là một lớp con của 
In [17]: pd.to_timedelta["1 days 06:05:01.00003"]
Out[17]: Timedelta['1 days 06:05:01.000030']

In [18]: pd.to_timedelta["15.5us"]
Out[18]: Timedelta['0 days 00:00:00.000015500']
9 và hoạt động theo cách tương tự, nhưng cho phép tương thích với các loại 
In [19]: pd.to_timedelta[["1 days 06:05:01.00003", "15.5us", "nan"]]
Out[19]: TimedeltaIndex[['1 days 06:05:01.000030', '0 days 00:00:00.000015500', NaT], dtype='timedelta64[ns]', freq=None]
0 cũng như một loạt các biểu diễn, phân tích cú pháp và thuộc tính tùy chỉnh

Phân tích cú pháp #

Bạn có thể xây dựng một đại lượng vô hướng 

In [17]: pd.to_timedelta["1 days 06:05:01.00003"]
Out[17]: Timedelta['1 days 06:05:01.000030']

In [18]: pd.to_timedelta["15.5us"]
Out[18]: Timedelta['0 days 00:00:00.000015500']
8 thông qua các đối số khác nhau, bao gồm các chuỗi Thời lượng ISO 8601

In [1]: import datetime

# strings
In [2]: pd.Timedelta["1 days"]
Out[2]: Timedelta['1 days 00:00:00']

In [3]: pd.Timedelta["1 days 00:00:00"]
Out[3]: Timedelta['1 days 00:00:00']

In [4]: pd.Timedelta["1 days 2 hours"]
Out[4]: Timedelta['1 days 02:00:00']

In [5]: pd.Timedelta["-1 days 2 min 3us"]
Out[5]: Timedelta['-2 days +23:57:59.999997']

# like datetime.timedelta
# note: these MUST be specified as keyword arguments
In [6]: pd.Timedelta[days=1, seconds=1]
Out[6]: Timedelta['1 days 00:00:01']

# integers with a unit
In [7]: pd.Timedelta[1, unit="d"]
Out[7]: Timedelta['1 days 00:00:00']

# from a datetime.timedelta/np.timedelta64
In [8]: pd.Timedelta[datetime.timedelta[days=1, seconds=1]]
Out[8]: Timedelta['1 days 00:00:01']

In [9]: pd.Timedelta[np.timedelta64[1, "ms"]]
Out[9]: Timedelta['0 days 00:00:00.001000']

# negative Timedeltas have this string repr
# to be more consistent with datetime.timedelta conventions
In [10]: pd.Timedelta["-1us"]
Out[10]: Timedelta['-1 days +23:59:59.999999']

# a NaT
In [11]: pd.Timedelta["nan"]
Out[11]: NaT

In [12]: pd.Timedelta["nat"]
Out[12]: NaT

# ISO 8601 Duration strings
In [13]: pd.Timedelta["P0DT0H1M0S"]
Out[13]: Timedelta['0 days 00:01:00']

In [14]: pd.Timedelta["P0DT0H0M0.000000123S"]
Out[14]: Timedelta['0 days 00:00:00.000000123']

DateOffsets [

In [19]: pd.to_timedelta[["1 days 06:05:01.00003", "15.5us", "nan"]]
Out[19]: TimedeltaIndex[['1 days 06:05:01.000030', '0 days 00:00:00.000015500', NaT], dtype='timedelta64[ns]', freq=None]
2] cũng có thể được sử dụng trong xây dựng. 

In [15]: pd.Timedelta[pd.offsets.Second[2]]
Out[15]: Timedelta['0 days 00:00:02']

Hơn nữa, các phép toán giữa các số vô hướng mang lại một số vô hướng khác 

In [17]: pd.to_timedelta["1 days 06:05:01.00003"]
Out[17]: Timedelta['1 days 06:05:01.000030']

In [18]: pd.to_timedelta["15.5us"]
Out[18]: Timedelta['0 days 00:00:00.000015500']
8

________số 8

to_timedelta#

Sử dụng 

In [19]: pd.to_timedelta[["1 days 06:05:01.00003", "15.5us", "nan"]]
Out[19]: TimedeltaIndex[['1 days 06:05:01.000030', '0 days 00:00:00.000015500', NaT], dtype='timedelta64[ns]', freq=None]
4 cấp cao nhất, bạn có thể chuyển đổi vô hướng, mảng, danh sách hoặc Sê-ri từ định dạng/giá trị timedelta được công nhận thành loại 
In [17]: pd.to_timedelta["1 days 06:05:01.00003"]
Out[17]: Timedelta['1 days 06:05:01.000030']

In [18]: pd.to_timedelta["15.5us"]
Out[18]: Timedelta['0 days 00:00:00.000015500']
8. Nó sẽ xây dựng Sê-ri nếu đầu vào là Sê-ri, vô hướng nếu đầu vào giống vô hướng, nếu không, nó sẽ xuất ra một 
In [19]: pd.to_timedelta[["1 days 06:05:01.00003", "15.5us", "nan"]]
Out[19]: TimedeltaIndex[['1 days 06:05:01.000030', '0 days 00:00:00.000015500', NaT], dtype='timedelta64[ns]', freq=None]
6

Bạn có thể phân tích cú pháp một chuỗi thành Timedelta

In [17]: pd.to_timedelta["1 days 06:05:01.00003"]
Out[17]: Timedelta['1 days 06:05:01.000030']

In [18]: pd.to_timedelta["15.5us"]
Out[18]: Timedelta['0 days 00:00:00.000015500']

hoặc một danh sách/mảng chuỗi

In [19]: pd.to_timedelta[["1 days 06:05:01.00003", "15.5us", "nan"]]
Out[19]: TimedeltaIndex[['1 days 06:05:01.000030', '0 days 00:00:00.000015500', NaT], dtype='timedelta64[ns]', freq=None]

Đối số từ khóa 

In [19]: pd.to_timedelta[["1 days 06:05:01.00003", "15.5us", "nan"]]
Out[19]: TimedeltaIndex[['1 days 06:05:01.000030', '0 days 00:00:00.000015500', NaT], dtype='timedelta64[ns]', freq=None]
7 chỉ định đơn vị của Timedelta nếu đầu vào là số

In [17]: pd.to_timedelta["1 days 06:05:01.00003"]
Out[17]: Timedelta['1 days 06:05:01.000030']

In [18]: pd.to_timedelta["15.5us"]
Out[18]: Timedelta['0 days 00:00:00.000015500']
5

Cảnh báo

Nếu một chuỗi hoặc mảng chuỗi được chuyển làm đầu vào thì đối số từ khóa 

In [19]: pd.to_timedelta[["1 days 06:05:01.00003", "15.5us", "nan"]]
Out[19]: TimedeltaIndex[['1 days 06:05:01.000030', '0 days 00:00:00.000015500', NaT], dtype='timedelta64[ns]', freq=None]
7 sẽ bị bỏ qua. Nếu một chuỗi không có đơn vị được chuyển thì đơn vị mặc định là nano giây được giả định

giới hạn múi giờ #

gấu trúc đại diện cho 

In [19]: pd.to_timedelta[["1 days 06:05:01.00003", "15.5us", "nan"]]
Out[19]: TimedeltaIndex[['1 days 06:05:01.000030', '0 days 00:00:00.000015500', NaT], dtype='timedelta64[ns]', freq=None]
9 ở độ phân giải nano giây sử dụng số nguyên 64 bit. Như vậy, giới hạn số nguyên 64 bit xác định giới hạn 
In [17]: pd.to_timedelta["1 days 06:05:01.00003"]
Out[17]: Timedelta['1 days 06:05:01.000030']

In [18]: pd.to_timedelta["15.5us"]
Out[18]: Timedelta['0 days 00:00:00.000015500']
8

In [17]: pd.to_timedelta["1 days 06:05:01.00003"]
Out[17]: Timedelta['1 days 06:05:01.000030']

In [18]: pd.to_timedelta["15.5us"]
Out[18]: Timedelta['0 days 00:00:00.000015500']
9

hoạt động #

Bạn có thể thao tác trên Sê-ri/DataFrames và xây dựng Sê-ri 

In [17]: pd.to_timedelta["1 days 06:05:01.00003"]
Out[17]: Timedelta['1 days 06:05:01.000030']

In [18]: pd.to_timedelta["15.5us"]
Out[18]: Timedelta['0 days 00:00:00.000015500']
51 thông qua các phép toán trừ trên Sê-ri 
In [17]: pd.to_timedelta["1 days 06:05:01.00003"]
Out[17]: Timedelta['1 days 06:05:01.000030']

In [18]: pd.to_timedelta["15.5us"]
Out[18]: Timedelta['0 days 00:00:00.000015500']
52 hoặc 
In [17]: pd.to_timedelta["1 days 06:05:01.00003"]
Out[17]: Timedelta['1 days 06:05:01.000030']

In [18]: pd.to_timedelta["15.5us"]
Out[18]: Timedelta['0 days 00:00:00.000015500']
53

In [19]: pd.to_timedelta[["1 days 06:05:01.00003", "15.5us", "nan"]]
Out[19]: TimedeltaIndex[['1 days 06:05:01.000030', '0 days 00:00:00.000015500', NaT], dtype='timedelta64[ns]', freq=None]
3

Các phép toán với số vô hướng từ chuỗi 

In [17]: pd.to_timedelta["1 days 06:05:01.00003"]
Out[17]: Timedelta['1 days 06:05:01.000030']

In [18]: pd.to_timedelta["15.5us"]
Out[18]: Timedelta['0 days 00:00:00.000015500']
51

In [19]: pd.to_timedelta[["1 days 06:05:01.00003", "15.5us", "nan"]]
Out[19]: TimedeltaIndex[['1 days 06:05:01.000030', '0 days 00:00:00.000015500', NaT], dtype='timedelta64[ns]', freq=None]
5

Chuỗi múi giờ có giá trị 

In [17]: pd.to_timedelta["1 days 06:05:01.00003"]
Out[17]: Timedelta['1 days 06:05:01.000030']

In [18]: pd.to_timedelta["15.5us"]
Out[18]: Timedelta['0 days 00:00:00.000015500']
55 được hỗ trợ

In [19]: pd.to_timedelta[["1 days 06:05:01.00003", "15.5us", "nan"]]
Out[19]: TimedeltaIndex[['1 days 06:05:01.000030', '0 days 00:00:00.000015500', NaT], dtype='timedelta64[ns]', freq=None]
7

Các phần tử có thể được đặt thành 

In [17]: pd.to_timedelta["1 days 06:05:01.00003"]
Out[17]: Timedelta['1 days 06:05:01.000030']

In [18]: pd.to_timedelta["15.5us"]
Out[18]: Timedelta['0 days 00:00:00.000015500']
55 bằng cách sử dụng 
In [17]: pd.to_timedelta["1 days 06:05:01.00003"]
Out[17]: Timedelta['1 days 06:05:01.000030']

In [18]: pd.to_timedelta["15.5us"]
Out[18]: Timedelta['0 days 00:00:00.000015500']
57 tương tự với datetimes

In [15]: pd.Timedelta[pd.offsets.Second[2]]
Out[15]: Timedelta['0 days 00:00:02']
0

Toán hạng cũng có thể xuất hiện theo thứ tự đảo ngược [một đối tượng đơn lẻ được vận hành với Sê-ri]

In [15]: pd.Timedelta[pd.offsets.Second[2]]
Out[15]: Timedelta['0 days 00:00:02']
1

Các hoạt động của 

In [17]: pd.to_timedelta["1 days 06:05:01.00003"]
Out[17]: Timedelta['1 days 06:05:01.000030']

In [18]: pd.to_timedelta["15.5us"]
Out[18]: Timedelta['0 days 00:00:00.000015500']
58 và 
In [17]: pd.to_timedelta["1 days 06:05:01.00003"]
Out[17]: Timedelta['1 days 06:05:01.000030']

In [18]: pd.to_timedelta["15.5us"]
Out[18]: Timedelta['0 days 00:00:00.000015500']
59 tương ứng được hỗ trợ trên các khung

In [15]: pd.Timedelta[pd.offsets.Second[2]]
Out[15]: Timedelta['0 days 00:00:02']
2

Hoạt động của 

In [17]: pd.to_timedelta["1 days 06:05:01.00003"]
Out[17]: Timedelta['1 days 06:05:01.000030']

In [18]: pd.to_timedelta["15.5us"]
Out[18]: Timedelta['0 days 00:00:00.000015500']
90 cũng được hỗ trợ trên Sê-ri. Một kết quả vô hướng sẽ là một 
In [17]: pd.to_timedelta["1 days 06:05:01.00003"]
Out[17]: Timedelta['1 days 06:05:01.000030']

In [18]: pd.to_timedelta["15.5us"]
Out[18]: Timedelta['0 days 00:00:00.000015500']
8

In [15]: pd.Timedelta[pd.offsets.Second[2]]
Out[15]: Timedelta['0 days 00:00:02']
3

Bạn có thể fillna trên timedelta, chuyển timedelta để nhận một giá trị cụ thể

In [15]: pd.Timedelta[pd.offsets.Second[2]]
Out[15]: Timedelta['0 days 00:00:02']
4

Bạn cũng có thể phủ định, nhân lên và sử dụng 

In [17]: pd.to_timedelta["1 days 06:05:01.00003"]
Out[17]: Timedelta['1 days 06:05:01.000030']

In [18]: pd.to_timedelta["15.5us"]
Out[18]: Timedelta['0 days 00:00:00.000015500']
92 trên 
In [19]: pd.to_timedelta[["1 days 06:05:01.00003", "15.5us", "nan"]]
Out[19]: TimedeltaIndex[['1 days 06:05:01.000030', '0 days 00:00:00.000015500', NaT], dtype='timedelta64[ns]', freq=None]
9

In [15]: pd.Timedelta[pd.offsets.Second[2]]
Out[15]: Timedelta['0 days 00:00:02']
5

giảm #

Thao tác giảm số cho 

In [17]: pd.to_timedelta["1 days 06:05:01.00003"]
Out[17]: Timedelta['1 days 06:05:01.000030']

In [18]: pd.to_timedelta["15.5us"]
Out[18]: Timedelta['0 days 00:00:00.000015500']
51 sẽ trả về đối tượng 
In [17]: pd.to_timedelta["1 days 06:05:01.00003"]
Out[17]: Timedelta['1 days 06:05:01.000030']

In [18]: pd.to_timedelta["15.5us"]
Out[18]: Timedelta['0 days 00:00:00.000015500']
8. Như thường lệ, 
In [17]: pd.to_timedelta["1 days 06:05:01.00003"]
Out[17]: Timedelta['1 days 06:05:01.000030']

In [18]: pd.to_timedelta["15.5us"]
Out[18]: Timedelta['0 days 00:00:00.000015500']
55 bị bỏ qua trong quá trình đánh giá

In [15]: pd.Timedelta[pd.offsets.Second[2]]
Out[15]: Timedelta['0 days 00:00:02']
6

Chuyển đổi tần số #

Sê-ri Timedelta, 

In [19]: pd.to_timedelta[["1 days 06:05:01.00003", "15.5us", "nan"]]
Out[19]: TimedeltaIndex[['1 days 06:05:01.000030', '0 days 00:00:00.000015500', NaT], dtype='timedelta64[ns]', freq=None]
6 và 
In [17]: pd.to_timedelta["1 days 06:05:01.00003"]
Out[17]: Timedelta['1 days 06:05:01.000030']

In [18]: pd.to_timedelta["15.5us"]
Out[18]: Timedelta['0 days 00:00:00.000015500']
8 vô hướng có thể được chuyển đổi thành các 'tần số' khác bằng cách chia cho một timedelta khác hoặc bằng cách gõ vào một loại timedelta cụ thể. Các hoạt động này mang lại Chuỗi và lan truyền 
In [17]: pd.to_timedelta["1 days 06:05:01.00003"]
Out[17]: Timedelta['1 days 06:05:01.000030']

In [18]: pd.to_timedelta["15.5us"]
Out[18]: Timedelta['0 days 00:00:00.000015500']
55 -> 
In [19]: pd.to_timedelta[["1 days 06:05:01.00003", "15.5us", "nan"]]
Out[19]: TimedeltaIndex[['1 days 06:05:01.000030', '0 days 00:00:00.000015500', NaT], dtype='timedelta64[ns]', freq=None]
30. Lưu ý rằng phép chia theo vô hướng NumPy là phép chia thực, trong khi phép chia theo kiểu tương đương với phép chia sàn

In [15]: pd.Timedelta[pd.offsets.Second[2]]
Out[15]: Timedelta['0 days 00:00:02']
7

Chia hoặc nhân một Sê-ri 

In [17]: pd.to_timedelta["1 days 06:05:01.00003"]
Out[17]: Timedelta['1 days 06:05:01.000030']

In [18]: pd.to_timedelta["15.5us"]
Out[18]: Timedelta['0 days 00:00:00.000015500']
51 với một số nguyên hoặc Sê-ri số nguyên sẽ tạo ra một Sê-ri 
In [17]: pd.to_timedelta["1 days 06:05:01.00003"]
Out[17]: Timedelta['1 days 06:05:01.000030']

In [18]: pd.to_timedelta["15.5us"]
Out[18]: Timedelta['0 days 00:00:00.000015500']
51 dtypes khác

In [15]: pd.Timedelta[pd.offsets.Second[2]]
Out[15]: Timedelta['0 days 00:00:02']
8

Phép chia làm tròn [phép chia sàn] của Sê-ri 

In [17]: pd.to_timedelta["1 days 06:05:01.00003"]
Out[17]: Timedelta['1 days 06:05:01.000030']

In [18]: pd.to_timedelta["15.5us"]
Out[18]: Timedelta['0 days 00:00:00.000015500']
51 bởi một số vô hướng 
In [17]: pd.to_timedelta["1 days 06:05:01.00003"]
Out[17]: Timedelta['1 days 06:05:01.000030']

In [18]: pd.to_timedelta["15.5us"]
Out[18]: Timedelta['0 days 00:00:00.000015500']
8 cho một dãy số nguyên

In [15]: pd.Timedelta[pd.offsets.Second[2]]
Out[15]: Timedelta['0 days 00:00:02']
9

Các thao tác mod [%] và divmod được xác định cho 

In [17]: pd.to_timedelta["1 days 06:05:01.00003"]
Out[17]: Timedelta['1 days 06:05:01.000030']

In [18]: pd.to_timedelta["15.5us"]
Out[18]: Timedelta['0 days 00:00:00.000015500']
8 khi hoạt động với một dạng timedelta khác hoặc với một đối số số

In [16]: pd.Timedelta[pd.offsets.Day[2]] + pd.Timedelta[pd.offsets.Second[2]] + pd.Timedelta[
   ....:     "00:00:00.000123"
   ....: ]
   ....: 
Out[16]: Timedelta['2 days 00:00:02.000123']
0

Thuộc tính#

Bạn có thể truy cập trực tiếp các thành phần khác nhau của 

In [17]: pd.to_timedelta["1 days 06:05:01.00003"]
Out[17]: Timedelta['1 days 06:05:01.000030']

In [18]: pd.to_timedelta["15.5us"]
Out[18]: Timedelta['0 days 00:00:00.000015500']
8 hoặc 
In [19]: pd.to_timedelta[["1 days 06:05:01.00003", "15.5us", "nan"]]
Out[19]: TimedeltaIndex[['1 days 06:05:01.000030', '0 days 00:00:00.000015500', NaT], dtype='timedelta64[ns]', freq=None]
6 bằng cách sử dụng các thuộc tính 
In [19]: pd.to_timedelta[["1 days 06:05:01.00003", "15.5us", "nan"]]
Out[19]: TimedeltaIndex[['1 days 06:05:01.000030', '0 days 00:00:00.000015500', NaT], dtype='timedelta64[ns]', freq=None]
38. Các giá trị này giống hệt với các giá trị được trả về bởi 
In [17]: pd.to_timedelta["1 days 06:05:01.00003"]
Out[17]: Timedelta['1 days 06:05:01.000030']

In [18]: pd.to_timedelta["15.5us"]
Out[18]: Timedelta['0 days 00:00:00.000015500']
9, ví dụ: thuộc tính 
In [19]: pd.to_timedelta[["1 days 06:05:01.00003", "15.5us", "nan"]]
Out[19]: TimedeltaIndex[['1 days 06:05:01.000030', '0 days 00:00:00.000015500', NaT], dtype='timedelta64[ns]', freq=None]
50 biểu thị số giây >= 0 và < 1 ngày. Chúng được ký tùy theo việc 
In [17]: pd.to_timedelta["1 days 06:05:01.00003"]
Out[17]: Timedelta['1 days 06:05:01.000030']

In [18]: pd.to_timedelta["15.5us"]
Out[18]: Timedelta['0 days 00:00:00.000015500']
8 có được ký hay không

Các hoạt động này cũng có thể được truy cập trực tiếp thông qua thuộc tính 

In [19]: pd.to_timedelta[["1 days 06:05:01.00003", "15.5us", "nan"]]
Out[19]: TimedeltaIndex[['1 days 06:05:01.000030', '0 days 00:00:00.000015500', NaT], dtype='timedelta64[ns]', freq=None]
52 của 
In [19]: pd.to_timedelta[["1 days 06:05:01.00003", "15.5us", "nan"]]
Out[19]: TimedeltaIndex[['1 days 06:05:01.000030', '0 days 00:00:00.000015500', NaT], dtype='timedelta64[ns]', freq=None]
53.

Ghi chú

Lưu ý rằng các thuộc tính KHÔNG phải là giá trị được hiển thị của 

In [17]: pd.to_timedelta["1 days 06:05:01.00003"]
Out[17]: Timedelta['1 days 06:05:01.000030']

In [18]: pd.to_timedelta["15.5us"]
Out[18]: Timedelta['0 days 00:00:00.000015500']
8. Sử dụng 
In [19]: pd.to_timedelta[["1 days 06:05:01.00003", "15.5us", "nan"]]
Out[19]: TimedeltaIndex[['1 days 06:05:01.000030', '0 days 00:00:00.000015500', NaT], dtype='timedelta64[ns]', freq=None]
55 để truy xuất các giá trị được hiển thị

Đối với một 

In [19]: pd.to_timedelta[["1 days 06:05:01.00003", "15.5us", "nan"]]
Out[19]: TimedeltaIndex[['1 days 06:05:01.000030', '0 days 00:00:00.000015500', NaT], dtype='timedelta64[ns]', freq=None]
53

In [16]: pd.Timedelta[pd.offsets.Day[2]] + pd.Timedelta[pd.offsets.Second[2]] + pd.Timedelta[
   ....:     "00:00:00.000123"
   ....: ]
   ....: 
Out[16]: Timedelta['2 days 00:00:02.000123']
1

Bạn có thể truy cập trực tiếp giá trị của các trường cho một vô hướng 

In [17]: pd.to_timedelta["1 days 06:05:01.00003"]
Out[17]: Timedelta['1 days 06:05:01.000030']

In [18]: pd.to_timedelta["15.5us"]
Out[18]: Timedelta['0 days 00:00:00.000015500']
8

In [16]: pd.Timedelta[pd.offsets.Day[2]] + pd.Timedelta[pd.offsets.Second[2]] + pd.Timedelta[
   ....:     "00:00:00.000123"
   ....: ]
   ....: 
Out[16]: Timedelta['2 days 00:00:02.000123']
2

Bạn có thể sử dụng thuộc tính 

In [19]: pd.to_timedelta[["1 days 06:05:01.00003", "15.5us", "nan"]]
Out[19]: TimedeltaIndex[['1 days 06:05:01.000030', '0 days 00:00:00.000015500', NaT], dtype='timedelta64[ns]', freq=None]
55 để truy cập dạng rút gọn của timedelta. Điều này trả về một 
In [19]: pd.to_timedelta[["1 days 06:05:01.00003", "15.5us", "nan"]]
Out[19]: TimedeltaIndex[['1 days 06:05:01.000030', '0 days 00:00:00.000015500', NaT], dtype='timedelta64[ns]', freq=None]
59 được lập chỉ mục tương tự như 
In [19]: pd.to_timedelta[["1 days 06:05:01.00003", "15.5us", "nan"]]
Out[19]: TimedeltaIndex[['1 days 06:05:01.000030', '0 days 00:00:00.000015500', NaT], dtype='timedelta64[ns]', freq=None]
53. Đây là những giá trị được hiển thị của 
In [17]: pd.to_timedelta["1 days 06:05:01.00003"]
Out[17]: Timedelta['1 days 06:05:01.000030']

In [18]: pd.to_timedelta["15.5us"]
Out[18]: Timedelta['0 days 00:00:00.000015500']
8

In [16]: pd.Timedelta[pd.offsets.Day[2]] + pd.Timedelta[pd.offsets.Second[2]] + pd.Timedelta[
   ....:     "00:00:00.000123"
   ....: ]
   ....: 
Out[16]: Timedelta['2 days 00:00:02.000123']
3

Bạn có thể chuyển đổi một 

In [17]: pd.to_timedelta["1 days 06:05:01.00003"]
Out[17]: Timedelta['1 days 06:05:01.000030']

In [18]: pd.to_timedelta["15.5us"]
Out[18]: Timedelta['0 days 00:00:00.000015500']
8 thành một chuỗi Thời lượng theo tiêu chuẩn ISO 8601 bằng phương pháp 
In [19]: pd.to_timedelta[["1 days 06:05:01.00003", "15.5us", "nan"]]
Out[19]: TimedeltaIndex[['1 days 06:05:01.000030', '0 days 00:00:00.000015500', NaT], dtype='timedelta64[ns]', freq=None]
73

In [16]: pd.Timedelta[pd.offsets.Day[2]] + pd.Timedelta[pd.offsets.Second[2]] + pd.Timedelta[
   ....:     "00:00:00.000123"
   ....: ]
   ....: 
Out[16]: Timedelta['2 days 00:00:02.000123']
4

TimedeltaIndex#

Để tạo chỉ mục với múi giờ thời gian, bạn có thể sử dụng hàm tạo 

In [19]: pd.to_timedelta[["1 days 06:05:01.00003", "15.5us", "nan"]]
Out[19]: TimedeltaIndex[['1 days 06:05:01.000030', '0 days 00:00:00.000015500', NaT], dtype='timedelta64[ns]', freq=None]
6 hoặc hàm tạo 
In [19]: pd.to_timedelta[["1 days 06:05:01.00003", "15.5us", "nan"]]
Out[19]: TimedeltaIndex[['1 days 06:05:01.000030', '0 days 00:00:00.000015500', NaT], dtype='timedelta64[ns]', freq=None]
75

Sử dụng 

In [19]: pd.to_timedelta[["1 days 06:05:01.00003", "15.5us", "nan"]]
Out[19]: TimedeltaIndex[['1 days 06:05:01.000030', '0 days 00:00:00.000015500', NaT], dtype='timedelta64[ns]', freq=None]
6, bạn có thể truyền các đối tượng dạng chuỗi, 
In [17]: pd.to_timedelta["1 days 06:05:01.00003"]
Out[17]: Timedelta['1 days 06:05:01.000030']

In [18]: pd.to_timedelta["15.5us"]
Out[18]: Timedelta['0 days 00:00:00.000015500']
8, 
In [19]: pd.to_timedelta[["1 days 06:05:01.00003", "15.5us", "nan"]]
Out[19]: TimedeltaIndex[['1 days 06:05:01.000030', '0 days 00:00:00.000015500', NaT], dtype='timedelta64[ns]', freq=None]
78 hoặc 
In [19]: pd.to_timedelta[["1 days 06:05:01.00003", "15.5us", "nan"]]
Out[19]: TimedeltaIndex[['1 days 06:05:01.000030', '0 days 00:00:00.000015500', NaT], dtype='timedelta64[ns]', freq=None]
0. Vượt qua 
In [15]: pd.Timedelta[pd.offsets.Second[2]]
Out[15]: Timedelta['0 days 00:00:02']
00 sẽ đại diện cho các giá trị bị thiếu

In [16]: pd.Timedelta[pd.offsets.Day[2]] + pd.Timedelta[pd.offsets.Second[2]] + pd.Timedelta[
   ....:     "00:00:00.000123"
   ....: ]
   ....: 
Out[16]: Timedelta['2 days 00:00:02.000123']
5

Chuỗi 'suy luận' có thể được chuyển để đặt tần suất của chỉ mục làm tần suất được suy luận khi tạo

In [16]: pd.Timedelta[pd.offsets.Day[2]] + pd.Timedelta[pd.offsets.Second[2]] + pd.Timedelta[
   ....:     "00:00:00.000123"
   ....: ]
   ....: 
Out[16]: Timedelta['2 days 00:00:02.000123']
6

Tạo phạm vi thời gian deltas#

Tương tự như 

In [15]: pd.Timedelta[pd.offsets.Second[2]]
Out[15]: Timedelta['0 days 00:00:02']
01, bạn có thể xây dựng các phạm vi thông thường của một 
In [19]: pd.to_timedelta[["1 days 06:05:01.00003", "15.5us", "nan"]]
Out[19]: TimedeltaIndex[['1 days 06:05:01.000030', '0 days 00:00:00.000015500', NaT], dtype='timedelta64[ns]', freq=None]
6 bằng cách sử dụng 
In [19]: pd.to_timedelta[["1 days 06:05:01.00003", "15.5us", "nan"]]
Out[19]: TimedeltaIndex[['1 days 06:05:01.000030', '0 days 00:00:00.000015500', NaT], dtype='timedelta64[ns]', freq=None]
75. Tần suất mặc định cho 
In [15]: pd.Timedelta[pd.offsets.Second[2]]
Out[15]: Timedelta['0 days 00:00:02']
04 là ngày dương lịch

In [16]: pd.Timedelta[pd.offsets.Day[2]] + pd.Timedelta[pd.offsets.Second[2]] + pd.Timedelta[
   ....:     "00:00:00.000123"
   ....: ]
   ....: 
Out[16]: Timedelta['2 days 00:00:02.000123']
7

Có thể sử dụng các kết hợp khác nhau của 

In [15]: pd.Timedelta[pd.offsets.Second[2]]
Out[15]: Timedelta['0 days 00:00:02']
05, 
In [15]: pd.Timedelta[pd.offsets.Second[2]]
Out[15]: Timedelta['0 days 00:00:02']
06 và 
In [15]: pd.Timedelta[pd.offsets.Second[2]]
Out[15]: Timedelta['0 days 00:00:02']
07 với 
In [15]: pd.Timedelta[pd.offsets.Second[2]]
Out[15]: Timedelta['0 days 00:00:02']
04

In [16]: pd.Timedelta[pd.offsets.Day[2]] + pd.Timedelta[pd.offsets.Second[2]] + pd.Timedelta[
   ....:     "00:00:00.000123"
   ....: ]
   ....: 
Out[16]: Timedelta['2 days 00:00:02.000123']
8

Tham số 

In [15]: pd.Timedelta[pd.offsets.Second[2]]
Out[15]: Timedelta['0 days 00:00:02']
09 có thể truyền nhiều bí danh tần số . 

In [16]: pd.Timedelta[pd.offsets.Day[2]] + pd.Timedelta[pd.offsets.Second[2]] + pd.Timedelta[
   ....:     "00:00:00.000123"
   ....: ]
   ....: 
Out[16]: Timedelta['2 days 00:00:02.000123']
9

Việc chỉ định 

In [15]: pd.Timedelta[pd.offsets.Second[2]]
Out[15]: Timedelta['0 days 00:00:02']
05, 
In [15]: pd.Timedelta[pd.offsets.Second[2]]
Out[15]: Timedelta['0 days 00:00:02']
06 và 
In [15]: pd.Timedelta[pd.offsets.Second[2]]
Out[15]: Timedelta['0 days 00:00:02']
07 sẽ tạo ra một loạt các múi giờ cách đều nhau từ 
In [15]: pd.Timedelta[pd.offsets.Second[2]]
Out[15]: Timedelta['0 days 00:00:02']
05 đến 
In [15]: pd.Timedelta[pd.offsets.Second[2]]
Out[15]: Timedelta['0 days 00:00:02']
06, với số lượng phần tử 
In [15]: pd.Timedelta[pd.offsets.Second[2]]
Out[15]: Timedelta['0 days 00:00:02']
07 trong kết quả là 
In [19]: pd.to_timedelta[["1 days 06:05:01.00003", "15.5us", "nan"]]
Out[19]: TimedeltaIndex[['1 days 06:05:01.000030', '0 days 00:00:00.000015500', NaT], dtype='timedelta64[ns]', freq=None]
6

In [17]: pd.to_timedelta["1 days 06:05:01.00003"]
Out[17]: Timedelta['1 days 06:05:01.000030']

In [18]: pd.to_timedelta["15.5us"]
Out[18]: Timedelta['0 days 00:00:00.000015500']
0

Sử dụng Timedelta Index#

Tương tự như các chỉ số giống như ngày giờ khác, 

In [15]: pd.Timedelta[pd.offsets.Second[2]]
Out[15]: Timedelta['0 days 00:00:02']
17 và 
In [15]: pd.Timedelta[pd.offsets.Second[2]]
Out[15]: Timedelta['0 days 00:00:02']
18, bạn có thể sử dụng 
In [19]: pd.to_timedelta[["1 days 06:05:01.00003", "15.5us", "nan"]]
Out[19]: TimedeltaIndex[['1 days 06:05:01.000030', '0 days 00:00:00.000015500', NaT], dtype='timedelta64[ns]', freq=None]
6 làm chỉ mục của các đối tượng gấu trúc

In [17]: pd.to_timedelta["1 days 06:05:01.00003"]
Out[17]: Timedelta['1 days 06:05:01.000030']

In [18]: pd.to_timedelta["15.5us"]
Out[18]: Timedelta['0 days 00:00:00.000015500']
1

Các lựa chọn hoạt động tương tự, với sự ép buộc đối với các chuỗi và lát cắt

In [17]: pd.to_timedelta["1 days 06:05:01.00003"]
Out[17]: Timedelta['1 days 06:05:01.000030']

In [18]: pd.to_timedelta["15.5us"]
Out[18]: Timedelta['0 days 00:00:00.000015500']
2

Ngoài ra, bạn có thể sử dụng lựa chọn chuỗi một phần và phạm vi sẽ được suy ra

In [17]: pd.to_timedelta["1 days 06:05:01.00003"]
Out[17]: Timedelta['1 days 06:05:01.000030']

In [18]: pd.to_timedelta["15.5us"]
Out[18]: Timedelta['0 days 00:00:00.000015500']
3

hoạt động #

Cuối cùng, sự kết hợp của 

In [19]: pd.to_timedelta[["1 days 06:05:01.00003", "15.5us", "nan"]]
Out[19]: TimedeltaIndex[['1 days 06:05:01.000030', '0 days 00:00:00.000015500', NaT], dtype='timedelta64[ns]', freq=None]
6 với 
In [15]: pd.Timedelta[pd.offsets.Second[2]]
Out[15]: Timedelta['0 days 00:00:02']
17 cho phép một số hoạt động kết hợp nhất định bảo toàn NaT

In [17]: pd.to_timedelta["1 days 06:05:01.00003"]
Out[17]: Timedelta['1 days 06:05:01.000030']

In [18]: pd.to_timedelta["15.5us"]
Out[18]: Timedelta['0 days 00:00:00.000015500']
4

Chuyển đổi #

Tương tự như chuyển đổi tần suất trên 

In [19]: pd.to_timedelta[["1 days 06:05:01.00003", "15.5us", "nan"]]
Out[19]: TimedeltaIndex[['1 days 06:05:01.000030', '0 days 00:00:00.000015500', NaT], dtype='timedelta64[ns]', freq=None]
53 ở trên, bạn có thể chuyển đổi các chỉ số này để tạo ra một Chỉ số khác

Bài Viết Liên Quan

Làm xáo trộn chuỗi trong JavaScript
Hòa nhạc 2023 Hoa Kỳ
Dict có thể có danh sách trong Python không?
22 March 2023 Panchang
Mysql có giống với php không?
Chuỗi tối thiểu xác thực có nghĩa là gì
Heệ điều hành linux 7.5 64bit
3 mẫu trong tam giác Pascals là gì?
Khác biệt khi code c trên linux và trên windows
Ole Miss Calendar spring 2023
Kiểm tra anova một chiều bằng python
Làm thế nào để bạn tính toán sự khác biệt trong trang tính google?
Hướng dẫn số e trong excel
Làm cách nào để in dòng đầu tiên của tệp trong python?
Mối quan hệ python là gì?
Thêm tiêu đề vào tệp csv Python
JavaScript cho người mới bắt đầu là gì?
Python chuyển đổi chuỗi thành byte thô
Trình xác định định dạng trong Python là gì?
Khi nào đăng ký năm học 2022 và 2023 sẽ bắt đầu?

Toplist mới

#1
Top 9 review kem chống nắng cho bà bầu 2023
7 tháng trước
#2
Top 5 tiếng anh lớp 2 unit 7 trang 46 2023
7 tháng trước
#3
Top 10 tải: mẫu the nhân viên trên excel 2023
7 tháng trước
#4
Top 7 tuyển dụng nhân viên chốt đơn tại nhà 2023
7 tháng trước
#5
Top 7 mẫu nhà 2 tầng chữ l 100m2 mái bằng 2023
7 tháng trước
#6
Top 4 truyện ngắn về quê hương lớp 2 2023
7 tháng trước
#7
Top 6 sơ đồ bộ máy nhà nước thời hồ 2023
7 tháng trước
#8
Top 8 trước việc nhật đảo chính pháp, đảng ta có chủ trương gì mới 2023
7 tháng trước
#9
Top 7 dân số đông đã đem đến cho nước ta 2023
7 tháng trước

Bài mới nhất

Đặt bàn thờ ông táo như thế nào năm 2024
Thôn 2 xã phú yên huyện thọ xuân thanh hóa năm 2024
Giải các bài toán về tính tuổi bằng đồ thị năm 2024
Cách ghi sổ xuất hóa đơn trc hàng về sau năm 2024
Cai đặt phương thức thanh toán website wordpress năm 2024
Lỗi không đang nhập được đồng bộ hóa coccoc năm 2024
Chữa thoái hóa xương khớp của đỗ đưcs ngocj năm 2024
Bài tập mạch điện có bình điện phân năm 2024
Tìm lỗi sai eggs are taken to the mảket fridays năm 2024
Giải bài tập và thực hành 2 tin học 11 năm 2024

Chủ Đề

Toplist programming Địa Điểm Hay Hỏi Đáp Là gì Mẹo Hay Nghĩa của từ Học Tốt Công Nghệ mẹo hay Khỏe Đẹp bao nhiêu Top List Bao nhiêu Sản phẩm tốt Bài Tập Xây Đựng Ngôn ngữ đánh giá Tiếng anh Bài tập So Sánh Ở đâu So sánh Hướng dẫn Dịch bao nhieu Tại sao Đại học hướng dẫn Thế nào Máy tính Vì sao Bao lâu Khoa Học Hà Nội