两个日期之间的差异，不包括周末的小时数

Question

我有一个使用 np.busdaycount 计算不包括周末的日期差异的代码，但我需要它在我无法获得的时间。

import datetime
import numpy as np


df.Inflow_date_time= [pandas.Timestamp('2019-07-22 21:11:26')]
df.End_date_time= [pandas.Timestamp('2019-08-02 11:44:47')]

df['Day'] = ([np.busday_count(b,a) for a, b in zip(df['End_date_time'].values.astype('datetime64[D]'),df['Inflow_date_time'].values.astype('datetime64[D]'))])

  Day
0  9

我需要输出时间，不包括周末。喜欢

  Hours
0  254

问题

inflow_date_time=2019-08-01 23:22:46 End_date_time = 2019-08-05 17:43:51 预计小时数 42 小时 (1+24+17)

inflow_date_time=2019-08-03 23:22:46 End_date_time = 2019-08-05 17:43:51
预计小时数 17 小时 (0+0+17)

inflow_date_time=2019-08-01 23:22:46 End_date_time = 2019-08-05 17:43:51 预计小时数 17 小时 (0+0+17)

流入日期时间=2019-07-26 23:22:46 End_date_time = 2019-08-05 17:43:51
预计小时数 138 小时 (1+120+17)

inflow_date_time=2019-08-05 11:22:46 End_date_time = 2019-08-05 17:43:51
预计小时数 6 小时 (0+0+6)

请提出建议。

Answer 1

如果我没有完全错，您也可以使用更短的解决方法：

首先将您的天差保存在一个数组中：

res = np.busday_count(df['Inflow_date_time'].values.astype('datetime64[D]'), df['End_date_time'].values.astype('datetime64[D]'))

那么我们需要为每一行增加一个小时列：

df['starth'] = df['Inflow_date_time'].dt.hour
df['endh'] = df['End_date_time'].dt.hour

然后我们将为您的数据框获取日差：

my_list = res.tolist()
dfhelp =pd.DataFrame(my_list,columns=['col1'])
df2 = pd.concat((df, df2) , axis=1)

那我们得找个帮助栏，因为End_date_time的小时可以在Inflow_date-time之前：

df2['h'] = df2['endh']-df2['starth']

然后我们可以计算时差（一天有24小时，根据结束日期的时间是否早于开始时间日期）：

df2['differenceh'] = np.where(df2['h'] >= 0, df2['col1']*24+df2['h'], df2['col1']*24-24+(24+df2['h']))

Answer 2

想法是按天删除times 的下限日期时间，并通过numpy.busday_count 获取开始日+一天到hours3 列之间的工作日数，然后创建hour1 和hour2 列作为开始如果不是周末时间，则以小时为单位结束时间。最后将所有小时列相加：

df = pd.DataFrame(columns=['Inflow_date_time','End_date_time', 'need'])
df.Inflow_date_time= [pd.Timestamp('2019-08-01 23:22:46'),
                      pd.Timestamp('2019-08-03 23:22:46'),
                      pd.Timestamp('2019-08-01 23:22:46'),
                      pd.Timestamp('2019-07-26 23:22:46'),
                      pd.Timestamp('2019-08-05 11:22:46')]
df.End_date_time= [pd.Timestamp('2019-08-05 17:43:51')] * 5
df.need = [42,17,41,138,6]

#print (df)

---

df["hours1"] = df["Inflow_date_time"].dt.ceil('d')
df["hours2"] =  df["End_date_time"].dt.floor('d')
one_day_mask = df["Inflow_date_time"].dt.floor('d') == df["hours2"]

df['hours3'] = [np.busday_count(b,a)*24 for a, b in zip(df['hours2'].dt.strftime('%Y-%m-%d'),
                                                        df['hours1'].dt.strftime('%Y-%m-%d'))]

mask1 = df['hours1'].dt.dayofweek < 5
hours1 = df['hours1']  - df['Inflow_date_time'].dt.floor('H')

df['hours1'] = np.where(mask1, hours1, np.nan) / np.timedelta64(1 ,'h')

mask2 = df['hours2'].dt.dayofweek < 5

df['hours2'] = (np.where(mask2, df['End_date_time'].dt.floor('H')-df['hours2'], np.nan) / 
                np.timedelta64(1 ,'h'))

df['date_diff'] = df['hours1'].fillna(0) + df['hours2'].fillna(0) + df['hours3']

one_day = (df['End_date_time'].dt.floor('H') - df['Inflow_date_time'].dt.floor('H')) / 
            np.timedelta64(1 ,'h')
df["date_diff"] = df["date_diff"].mask(one_day_mask, one_day)

---

print (df)
     Inflow_date_time       End_date_time  need  hours1  hours2  hours3  \
0 2019-08-01 23:22:46 2019-08-05 17:43:51    42     1.0    17.0      24   
1 2019-08-03 23:22:46 2019-08-05 17:43:51    17     NaN    17.0       0   
2 2019-08-01 23:22:46 2019-08-05 17:43:51    41     1.0    17.0      24   
3 2019-07-26 23:22:46 2019-08-05 17:43:51   138     NaN    17.0     120   
4 2019-08-05 11:22:46 2019-08-05 17:43:51     6    13.0    17.0     -24   

   date_diff  
0       42.0  
1       17.0  
2       42.0  
3      137.0  
4        6.0