如何在pandas/Python中对dtype: timedelta64[ns]求和？
如何在pandas/Python中对dtype: timedelta64[ns]求和？
提问于 2018-07-26 04:15:53
我正在使用python中的pands来处理时间。我想总结一下两个日期之间经过的时间，这两个日期是：
0 2012-03-06 14:22:00
0 2012-06-02 11:29:00
1 2012-04-16 20:51:00
1 2012-04-28 09:57:00为此，我计算索引为0的前两个日期之间经过的时间，如下所示：
dt0 = df.end[0] - df.start[0]
out: 87 days 21:07:00
dtype: timedelta64[ns]在接下来的两个日期之间也是一样的：
dt1 = df.end[1] - df.start[1]
out: 11 days 13:06:00
dtype: timedelta64[ns]这很好用，但当我将这两次相加时：
dt2 = dt1 + dt0 我得到dt2 = NaT，而不是87天21:07:00 + 11天13:06:00的和。有人能帮上忙吗？
下面是同一问题的另一个例子的屏幕截图:将a和b相加，两个dtype: timedelta64ns不工作，为什么？
回答 1
Stack Overflow用户
回答已采纳
发布于 2018-07-26 05:21:35
看，这就是为什么我明确希望你打印类型。dt1和dt0不是<class 'pandas._libs.tslibs.timedeltas.Timedelta'>，它们是pandas.Series。
当您添加两个Series时，它会根据索引对齐。由于dt1和dt2不共享相同的索引，因此它使用空值(在本例中为NaT)填充缺少的值，然后执行加法。默认情况下，它在执行加法时不会忽略空值，所以您看到的是x + NaT = NaT，这就是数学原理。
样本数据
import pandas as pd
a = pd.Series(pd.Timedelta(1,'d'), index=[21005])
#21005 1 days
#dtype: timedelta64[ns]
b = pd.Series(pd.Timedelta(2,'d'), index=[16992])
#16992 2 days
#dtype: timedelta64[ns]代码
加法将在索引上对齐。它们不共享索引，因此您可以使用NaT。
a+b
#16992 NaT
#21005 NaT
#dtype: timedelta64[ns]您真正想要做的是将这些值相加，而不考虑索引：
a.values+b.values
#array([259200000000000], dtype='timedelta64[ns]')但实际上，您应该更改您的代码，以便如果您实际上不需要pd.Series，则dt0和dt1只是值。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/51527011
复制相关文章
相似问题
腾讯云开发者
