Функция Pandas pd.Timedelta()
Pandas: общие функцииpd.Timedelta()используется в библиотеке Pandas длясоздания временных дельт.Эта функция представляет продолжительность между двумя моментами времени и может использоваться для операций сложения и вычитания даты и времени.
Timedelta — это мощный инструмент для работы с продолжительностью времени, обычно используемый в таких сценариях, как вычисление разницы между двумя датами, добавление или вычитание определённых временных интервалов и т. д.
Значение слова： TimedeltaЭто комбинация "time" и "delta" (величина изменения), означающая "приращение времени", то есть длительность периода времени.
Базовый синтаксис и параметры
pd.Timedelta()Это функция верхнего уровня библиотеки Pandas, используемая для создания объектов временных дельт.
Формат синтаксиса
pd.Timedelta(value, unit='ns', **kwargs)
Описание параметра
| Параметр | Type | Обязательный | Описание | Значение по умолчанию |
|---|---|---|---|---|
| value | String, int, float, datetime.timedelta | Optional | Значение временной дельты для преобразования. | Отсутствует |
| единица | String | Optional | Единица измерения, когда значение является числом: 'D' (дни), 'h' (часы), 'm' (минуты), 's' (секунды), 'ms' (миллисекунды), 'us' (микросекунды), 'ns' (наносекунды). | 'ns' |
| days | Integer | Optional | Количество дней. | 0 |
| hours | Integer | Optional | Количество часов. | 0 |
| minutes | Integer | Optional | Количество минут. | 0 |
| seconds | Integer | Optional | Количество секунд. | 0 |
| milliseconds | Integer | Optional | Количество миллисекунд. | 0 |
| микросекунды | Integer | Optional | Количество микросекунд. | 0 |
| наносекунды | Integer | Optional | Количество наносекунд. | 0 |
Описание возвращаемого значения
- Возвращаемое значение: Возвращает объект Timedelta, представляющий временной интервал.
- Эффект: Может использоваться для операций сложения и вычитания временных меток или для вычисления разницы между двумя моментами времени.
Примеры
Давайте досконально освоим с помощью серии примеров от простых к сложнымpd.Timedelta()его использование.
Пример 1: Базовое использование — создание временной дельты
Примеры
import pandas as pd
# 1. Создание Timedelta с помощью строки
print("=== Создание временной дельты с помощью строки ===")
td1 = pd.Timedelta('1 days')
print(f"pd.Timedelta('1 days'): {td1}")
td2 = pd.Timedelta('2 hours 30 minutes')
print(f"pd.Timedelta('2 hours 30 minutes'): {td2}")
td3 = pd.Timedelta('1 days 02:30:45')
print(f"pd.Timedelta('1 days 02:30:45'): {td3}")
td4 = pd.Timedelta('2 weeks')
print(f"pd.Timedelta('2 weeks'): {td4}")
# 2. Создание с использованием именованных аргументов
print("n=== Создание с использованием именованных аргументов ===")
td5 = pd.Timedelta(days=5, hours=10, minutes=30)
print(f"pd.Timedelta(days=5, hours=10, minutes=30): {td5}")
td6 = pd.Timedelta(hours=1.5)
print(f"pd.Timedelta(hours=1.5): {td6}")
# 3. Создание с использованием числового значения и единицы измерения
print("n=== Создание с использованием числового значения и единицы измерения ===")
td7 = pd.Timedelta(10, unit='D')
print(f"pd.Timedelta(10, unit='D'): {td7}")
td8 = pd.Timedelta(30, unit='m')
print(f"pd.Timedelta(30, unit='m'): {td8}")
# 4. Преобразование из datetime.timedelta
print("n=== Преобразование из datetime.timedelta ===")
import datetime
dt_td = datetime.timedelta(days=3, hours=6)
td9 = pd.Timedelta(dt_td)
print(f"Из datetime.timedelta: {td9}")
# 5. Просмотр атрибутов Timedelta
print("n=== Атрибуты Timedelta ===")
td = pd.Timedelta('3 days 12 hours 30 minutes 45 seconds')
print(f"Разница времени: {td}")
print(f"Всего дней: {td.days}")
print(f"Всего секунд: {td.seconds}")
print(f"Всего микросекунд: {td.microseconds}")
print(f"Всего секунд (включая десятичную часть): {td.total_seconds()}")
print(f"Преобразовано в часы: {td.total_seconds() / 3600}")
# 1. Создание Timedelta с помощью строки
print("=== Создание временной дельты с помощью строки ===")
td1 = pd.Timedelta('1 days')
print(f"pd.Timedelta('1 days'): {td1}")
td2 = pd.Timedelta('2 hours 30 minutes')
print(f"pd.Timedelta('2 hours 30 minutes'): {td2}")
td3 = pd.Timedelta('1 days 02:30:45')
print(f"pd.Timedelta('1 days 02:30:45'): {td3}")
td4 = pd.Timedelta('2 weeks')
print(f"pd.Timedelta('2 weeks'): {td4}")
# 2. Создание с использованием именованных аргументов
print("n=== Создание с использованием именованных аргументов ===")
td5 = pd.Timedelta(days=5, hours=10, minutes=30)
print(f"pd.Timedelta(days=5, hours=10, minutes=30): {td5}")
td6 = pd.Timedelta(hours=1.5)
print(f"pd.Timedelta(hours=1.5): {td6}")
# 3. Создание с использованием числового значения и единицы измерения
print("n=== Создание с использованием числового значения и единицы измерения ===")
td7 = pd.Timedelta(10, unit='D')
print(f"pd.Timedelta(10, unit='D'): {td7}")
td8 = pd.Timedelta(30, unit='m')
print(f"pd.Timedelta(30, unit='m'): {td8}")
# 4. Преобразование из datetime.timedelta
print("n=== Преобразование из datetime.timedelta ===")
import datetime
dt_td = datetime.timedelta(days=3, hours=6)
td9 = pd.Timedelta(dt_td)
print(f"Из datetime.timedelta: {td9}")
# 5. Просмотр атрибутов Timedelta
print("n=== Атрибуты Timedelta ===")
td = pd.Timedelta('3 days 12 hours 30 minutes 45 seconds')
print(f"Разница времени: {td}")
print(f"Всего дней: {td.days}")
print(f"Всего секунд: {td.seconds}")
print(f"Всего микросекунд: {td.microseconds}")
print(f"Всего секунд (включая десятичную часть): {td.total_seconds()}")
print(f"Преобразовано в часы: {td.total_seconds() / 3600}")
Вывод:
=== 字符串创建时间差 ===
pd.Timedelta('1 days'): 1 days, 0:00:00
pd.Timedelta('2 hours 30 minutes'): 0 days, 2:30:00
pd.Timedelta('1 days 02:30:45'): 1 days 02:30:45
pd.Timedelta('2 weeks'): 14 days, 0:00:00
=== 关键字参数创建 ===
pd.Timedelta(days=5, hours=10, minutes=30): 5 days 10:30:00
pd.Timedelta(hours=1.5): 0 days, 01:30:00
=== 数值和单位创建 ===
pd.Timedelta(10, unit='D'): 10 days, 0:00:00
pd.Timedelta(30, unit='m'): 0 days, 0:30:00
=== 从 datetime.timedelta 转换 ===
从 datetime.timedelta: 3 days 06:00:00
=== Timedelta 属性 ===
时间差: 3 days 12:30:45
总天数: 3
总秒数: 45045
总微秒数: 45000
总秒数 (含小数): 303045.0
84.17916666666667
Пояснение кода:
pd.Timedelta()Поддерживаются несколько способов создания: строка, именованные аргументы, число + единица измерения, datetime.timedelta.- Строковый формат очень гибкий, поддерживает '1 days', '2 weeks', '1 days 02:30:45' и т. д.
total_seconds()Метод возвращает общее количество секунд (включая десятичную часть).
Пример 2: Операции с временными дельтами
Примеры
import pandas as pd
import numpy as np
# 1. Добавление/вычитание отметки времени и временной дельты
print("=== Операции с отметками времени и временными дельтами ===")
ts = pd.Timestamp('2023-01-01 12:00:00')
td = pd.Timedelta(days=5, hours=3)
print(f"Отметка времени: {ts}")
print(f"Разница времени: {td}")
print(f"ts + td: {ts + td}")
print(f"ts - td: {ts - td}")
# 2. Вычитание двух временных меток для получения временной дельты
print("n=== Вычитание двух временных меток ===")
ts1 = pd.Timestamp('2023-01-15 18:00:00')
ts2 = pd.Timestamp('2023-01-10 09:00:00')
tdiff = ts1 - ts2
print(f"ts1: {ts1}")
print(f"ts2: {ts2}")
print(f"ts1 - ts2: {tdiff}")
print(f"Разница в днях: {tdiff.days}")
print(f"Разница в часах: {tdiff.total_seconds() / 3600}")
# 3. Операции между временными дельтами
print("n=== Операции между временными дельтами ===")
td1 = pd.Timedelta(days=2)
td2 = pd.Timedelta(hours=12)
print(f"td1: {td1}")
print(f"td2: {td2}")
print(f"td1 + td2: {td1 + td2}")
print(f"td1 - td2: {td1 - td2}")
print(f"td1 * 2: {td1 * 2}")
print(f"td1 / 2: {td1 / 2}")
# 4. Операции между временной дельтой и числовым значением
print("n=== Операции с временной дельтой и числами ===")
td = pd.Timedelta(hours=10)
print(f"10 часов * 3 = {td * 3}")
print(f"10 часов / 2 = {td / 2}")
print(f"10 часов // 3 = {td // 3}")
import numpy as np
# 1. Добавление/вычитание отметки времени и временной дельты
print("=== Операции с отметками времени и временными дельтами ===")
ts = pd.Timestamp('2023-01-01 12:00:00')
td = pd.Timedelta(days=5, hours=3)
print(f"Отметка времени: {ts}")
print(f"Разница времени: {td}")
print(f"ts + td: {ts + td}")
print(f"ts - td: {ts - td}")
# 2. Вычитание двух временных меток для получения временной дельты
print("n=== Вычитание двух временных меток ===")
ts1 = pd.Timestamp('2023-01-15 18:00:00')
ts2 = pd.Timestamp('2023-01-10 09:00:00')
tdiff = ts1 - ts2
print(f"ts1: {ts1}")
print(f"ts2: {ts2}")
print(f"ts1 - ts2: {tdiff}")
print(f"Разница в днях: {tdiff.days}")
print(f"Разница в часах: {tdiff.total_seconds() / 3600}")
# 3. Операции между временными дельтами
print("n=== Операции между временными дельтами ===")
td1 = pd.Timedelta(days=2)
td2 = pd.Timedelta(hours=12)
print(f"td1: {td1}")
print(f"td2: {td2}")
print(f"td1 + td2: {td1 + td2}")
print(f"td1 - td2: {td1 - td2}")
print(f"td1 * 2: {td1 * 2}")
print(f"td1 / 2: {td1 / 2}")
# 4. Операции между временной дельтой и числовым значением
print("n=== Операции с временной дельтой и числами ===")
td = pd.Timedelta(hours=10)
print(f"10 часов * 3 = {td * 3}")
print(f"10 часов / 2 = {td / 2}")
print(f"10 часов // 3 = {td // 3}")
Вывод:
=== 时间戳与时间差运算 === 时间戳: 2023-01-01 12:00:00 时间差: 5 days 03:00:00 ts + td: 2023-01-06 15:00:00 ts - td: 2022-12-27 09:00:00 === 两个时间戳相减 === ts1: 2023-01-15 18:00:00 ts2: 2023-01-10 09:00:00 ts1 - ts2: 5 days 09:00:00 天数差: 5 小时差: 129.0 === 时间差之间的运算 === td1: 2 days, 0:00:00 td2: 12:00:00 td1 + td2: 2 days 12:00:00 td1 - td2: 1 day, 12:00:00 td1 * 2: 4 days, 0:00:00 td1 / 2: 1 day, 0:00:00 === 时间差与数值运算 === 10小时 * 3 = 1 day, 3:00:00 10小时 / 2 = 5:00:00 10小时 // 3 = 3:20:00
Пояснение кода:
- Добавление дельты времени к временной метке даёт новую временную метку.
- Вычитание двух временных меток даёт дельту времени.
- Дельты времени можно складывать друг с другом и вычитать друг из друга.
- Дельты времени можно умножать и делить на числовые значения.
Пример 3: Использование дельты времени в DataFrame
Примеры
import pandas as pd
import numpy as np
# 1. Создайте DataFrame с дельтой времени
print("=== Анализ времени обработки заказов ===")
# Симуляция данных заказов
df = pd.DataFrame({
'order_id': ['A001', 'A002', 'A003', 'A004', 'A005'],
'order_time': pd.date_range('2023-01-01 09:00', periods=5, freq='2H'),
'process_time_min': [30, 45, 60, 20, 90]
})
# Преобразовать время обработки в Timedelta
df['process_timedelta'] = pd.to_timedelta(df['process_time_min'], unit='m')
# Вычислить время завершения
df['complete_time'] = df['order_time'] + df['process_timedelta']
print(df)
# 2. Вычислить статистику продолжительности обработки заказов
print("n=== Статистика продолжительности обработки ===")
total_time = df['process_timedelta'].sum()
avg_time = df['process_timedelta'].mean()
print(f"Общее время обработки: {total_time}")
print(f"Среднее время обработки: {avg_time}")
# 3. Вычислить срок выполнения
print("n=== Вычислить срок выполнения (при условии, что заказ должен быть выполнен в течение 24 часов) ===")
deadline = pd.Timedelta(hours=24)
df['deadline'] = df['order_time'] + deadline
df['is_ontime'] = df['complete_time'] <= df['deadline']
print(df[['order_id', 'order_time', 'complete_time', 'deadline', 'is_ontime']])
# 4. Отфильтровать просроченные заказы
print("n===Просроченные заказы===")
late_orders = df[~df['is_ontime']]
print(f"Количество просроченных заказов:{len(late_orders)}")
print(late_orders[['order_id', 'complete_time', 'deadline']])
import numpy as np
# 1. Создайте DataFrame с дельтой времени
print("=== Анализ времени обработки заказов ===")
# Симуляция данных заказов
df = pd.DataFrame({
'order_id': ['A001', 'A002', 'A003', 'A004', 'A005'],
'order_time': pd.date_range('2023-01-01 09:00', periods=5, freq='2H'),
'process_time_min': [30, 45, 60, 20, 90]
})
# Преобразовать время обработки в Timedelta
df['process_timedelta'] = pd.to_timedelta(df['process_time_min'], unit='m')
# Вычислить время завершения
df['complete_time'] = df['order_time'] + df['process_timedelta']
print(df)
# 2. Вычислить статистику продолжительности обработки заказов
print("n=== Статистика продолжительности обработки ===")
total_time = df['process_timedelta'].sum()
avg_time = df['process_timedelta'].mean()
print(f"Общее время обработки: {total_time}")
print(f"Среднее время обработки: {avg_time}")
# 3. Вычислить срок выполнения
print("n=== Вычислить срок выполнения (при условии, что заказ должен быть выполнен в течение 24 часов) ===")
deadline = pd.Timedelta(hours=24)
df['deadline'] = df['order_time'] + deadline
df['is_ontime'] = df['complete_time'] <= df['deadline']
print(df[['order_id', 'order_time', 'complete_time', 'deadline', 'is_ontime']])
# 4. Отфильтровать просроченные заказы
print("n===Просроченные заказы===")
late_orders = df[~df['is_ontime']]
print(f"Количество просроченных заказов:{len(late_orders)}")
print(late_orders[['order_id', 'complete_time', 'deadline']])
Вывод:
=== 订单处理时间分析 ===
order_id order_time process_time_min complete_time
0 A001 2023-01-01 09:00:00 30 2023-01-01 09:30:00
1 A002 2023-01-01 11:00:00 45 2023-01-01 11:45:00
2 A003 2023-01-01 13:00:00 60 2023-01-01 14:00:00
3 A004 2023-01-01 15:00:00 20 2023-01-01 15:20:00
4 A005 2023-01-01 17:00:00 90 2023-01-01 18:30:00
=== 处理时长统计 ===
总处理时间: 0 days 04:05:00
平均处理时间: 0 days 00:49:00
=== 计算到期时间（假设订单需要在24小时内完成）===
order_id order_time complete_time deadline is_ontime
0 A001 2023-01-01 09:00:00 2023-01-01 09:30:00 2023-01-02 09:00:00 True
1 A002 2023-01-01 11:00:00 2023-01-01 11:45:00 2023-01-02 11:00:00 True
2 A003 2023-01-01 13:00:00 2023-01-01 14:00:00 2023-02-01 13:00:00 True
3 A004 2023-01-01 15:00:00 2023-01-01 15:20:00 2023-02-01 15:00:00 True
4 A005 2023-01-01 17:00:00 2023-01-01 18:30:00 2023-02-01 17:00:00 True
=== 超时订单 ===
超时订单数: 0
Пояснение кода:
pd.to_timedelta()Числовые значения можно преобразовать в Timedelta.- Дельты времени можно удобно добавлять к меткам времени или вычитать из них.
- Статистические показатели, такие как общее время обработки и среднее время обработки, можно удобно вычислять.
Примечания
Важные примечания:
pd.TimedeltaОн хранит временные интервалы, а не конкретные моменты времени.- Дельты времени могут быть положительными (будущее) или отрицательными (прошлое).
- и
pd.NaTАналогично существуетpd.NaTкоторый представляет отсутствующую дельту времени.- При использовании
unitпараметр, убедитесь, что числовой тип указан верно.
Другие расширения