计算熊猫数据中的持续时间
计算熊猫数据中的持续时间
提问于 2020-01-24 16:19:38
我有一个由五个列组成的dataframe :唯一的ID、一个事件的列表(类型为YEAR)、列表的长度、min_date和max_date。
我想做的是计算min_date和max_date之间的距离。例如，在第一排，我们将有0000-8，为期8周。
我创建了两个函数：
def min_date(date):
return min(date)
def max_date(date):
return
week["date_min"] = week["week_year"].apply(min_date)
week["date_max"] = week["week_year"].apply(max_date)我想我应该做的是：
def max_minus_min_date(date):
return max(date) - min(date)但我不知道如何将字符串转换为我的时间戳类型。
您可以在dataset下面找到字典：
dico= {'ID': {0: '3014-4298-ae43-14-4298-4298-a',
1: '002445cc-a38d-5c25bb06e4c47406c',
2: '4d1e-a5559-000b0601f33b1d',
3: '002445cc-00305e69-7c76a-77b32aba5dec'},
'year_week': {0: ['2018-15', '2018-16', '2018-23'],
1: ['2019-39', '2019-40', '2019-41', '2019-42', '2019-43'],
2: ['2018-1',
'2018-12',
'2018-2',
'2018-23',
'2018-24',
'2018-25',
'2018-26',
'2018-27',
'2018-3',
'2018-36',
'2018-38',
'2018-39',
'2018-4',
'2018-40',
'2018-41',
'2018-42',
'2018-45',
'2018-47',
'2018-48',
'2018-49',
'2018-50',
'2018-51',
'2018-6',
'2018-7',
'2018-8',
'2019-12',
'2019-13',
'2019-15',
'2019-16',
'2019-17',
'2019-18',
'2019-20',
'2019-21',
'2019-22',
'2019-23',
'2019-24',
'2019-25',
'2019-26',
'2019-27',
'2019-28',
'2019-29',
'2019-3',
'2019-30',
'2019-31',
'2019-32',
'2019-33',
'2019-34',
'2019-35',
'2019-36',
'2019-37',
'2019-38',
'2019-4',
'2019-5',
'2019-6',
'2019-7',
'2019-8'],
3: ['2018-36',
'2018-38',
'2018-39',
'2018-40',
'2018-41',
'2018-42',
'2018-43',
'2018-44',
'2018-45',
'2018-46',
'2018-47',
'2018-48',
'2018-49',
'2018-52',
'2019-10',
'2019-11',
'2019-2',
'2019-3',
'2019-4',
'2019-5',
'2019-6',
'2019-7',
'2019-8',
'2019-9']},
'length_list': {0: 3, 1: 5, 2: 56, 3: 24},
'date_min': {0: '2018-15', 1: '2019-39', 2: '2018-1', 3: '2018-36'},
'date_max': {0: '2018-23', 1: '2019-43', 2: '2019-8', 3: '2019-9'}}回答 2
Stack Overflow用户
回答已采纳
发布于 2020-01-24 16:42:29
IIUC，您需要将一个星期数和年份转换为日期时间。
让我们先做，然后周差。
date_format = '%Y-%W-%w'
s1 = pd.to_datetime((df['date_min'] + '-0'),format=date_format)
s2 = pd.to_datetime((df['date_max'] + '-0'),format=date_format)
week_diff = (s2 - s1) / np.timedelta64(1,'W')
df['week_diff'] = week_diffprint(df[['date_min','date_max','week_diff']])
date_min date_max week_diff
0 2018-15 2018-23 8.0
1 2019-39 2019-43 4.0
2 2018-1 2019-8 60.0
3 2018-36 2019-9 26.0Stack Overflow用户
发布于 2020-01-24 16:46:10
试试这个：
首先格式化你的约会
import datetime
mx = '2019-5'
mn = '2019-3'
mxDate = datetime.datetime.strptime(mx + '-1', "%Y-%W-%w")
mnDate = datetime.datetime.strptime(mn + '-1', "%Y-%W-%w")然后在几周内计算差额
weeks = (mxDate - mnDate ).days / 7
print(weeks)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/59900218
复制相关文章
相似问题
腾讯云开发者
