熊猫数据框中的 timedelta 到字符串类型

Question

我有一个数据框df，它的第一列是timedelta64

df.info():

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 686 entries, 0 to 685
Data columns (total 6 columns):
0    686 non-null timedelta64[ns]
1    686 non-null object
2    686 non-null object
3    686 non-null object
4    686 non-null object
5    686 non-null object

例如，如果我print(df[0][2])，它将给我0 days 05:01:11。但是，我不希望提交 0 days。我只想打印05:01:11。有人可以教我如何做到这一点吗？非常感谢！

Answer 1

可以通过：

df['duration1'] = df['duration'].astype(str).str[-18:-10]

但解决方案并不通用，如果输入是3 days 05:01:11，它也会删除3 days。

因此解决方案仅适用于小于一天的时间增量。

更通用的解决方案是create custom format:

N = 10
np.random.seed(11230)
rng = pd.date_range('2017-04-03 15:30:00', periods=N, freq='13.5H')
df = pd.DataFrame({'duration': np.abs(np.random.choice(rng, size=N) - 
                                 np.random.choice(rng, size=N)) })  

df['duration1'] = df['duration'].astype(str).str[-18:-10]

def f(x):
    ts = x.total_seconds()
    hours, remainder = divmod(ts, 3600)
    minutes, seconds = divmod(remainder, 60)
    return ('{}:{:02d}:{:02d}').format(int(hours), int(minutes), int(seconds)) 

df['duration2'] = df['duration'].apply(f)
print (df)

         duration duration1  duration2
0 2 days 06:00:00  06:00:00   54:00:00
1 2 days 19:30:00  19:30:00   67:30:00
2 1 days 03:00:00  03:00:00   27:00:00
3 0 days 00:00:00  00:00:00    0:00:00
4 4 days 12:00:00  12:00:00  108:00:00
5 1 days 03:00:00  03:00:00   27:00:00
6 0 days 13:30:00  13:30:00   13:30:00
7 1 days 16:30:00  16:30:00   40:30:00
8 0 days 00:00:00  00:00:00    0:00:00
9 1 days 16:30:00  16:30:00   40:30:00

Answer 2

这是一个使用 apply() 的简短而强大的版本：

df['timediff_string'] = df['timediff'].apply(
    lambda x: f'{x.components.hours:02d}:{x.components.minutes:02d}:{x.components.seconds:02d}'
              if not pd.isnull(x) else ''
)

这利用了 pandas Timedelta 对象的 components 属性，并且还处理空值 (NaT)。

如果timediff列不包含pandas Timedelta对象，可以转换：

df['timediff'] = pd.to_timedelta(df['timediff'])

Answer 3

datetime.timedelta 已经按照您想要的方式进行格式化。这个问题的症结在于 Pandas 内部转换为numpy.timedelta。

import pandas as pd
from datetime import timedelta

time_1 = timedelta(days=3, seconds=3400)
time_2 = timedelta(days=0, seconds=3400)
print(time_1)
print(time_2)

times = pd.Series([time_1, time_2])

# Times are converted to Numpy timedeltas.
print(times)

# Convert to string after converting to datetime.timedelta.
times = times.apply(
    lambda numpy_td: str(timedelta(seconds=numpy_td.total_seconds())))

print(times)

因此，在打印之前先转换为datetime.timedelta，然后再转换为str（以防止转换回numpy.timedelta）。

3 days, 0:56:40
0:56:400

0   3 days 00:56:40
1   0 days 00:56:40
dtype: timedelta64[ns]

0    3 days, 0:56:40
1            0:56:40
dtype: object

我来这里是为了寻找同一个问题的答案，所以我觉得我应该进一步澄清。 :)

Answer 4

鉴于 OP 可以使用对象列（有点冗长）：

def splitter(td):

  td = str(td).split(' ')[-1:][0]

  return td


df['split'] = df['timediff'].apply(splitter)

基本上，我们采用 timedelta 列，将内容转换为字符串，然后拆分字符串（创建一个列表）并取出该列表的最后一项，即 hh:mm:ss 组件。

请注意，在这里指定 ' ' 分割的内容是多余的。

另一种衬里：

df['split2'] = df['timediff'].astype('str').str.split().str[-1]

这是非常相似，但不是很漂亮恕我直言。此外，输出包括毫秒，这不是第一个解决方案中的情况。我不确定这是什么原因（如果你这样做，请发表评论）。如果您的数据很大，可能值得对这些不同的方法进行计时。

Answer 5

您可以将其转换为Python timedelta，然后转换为str，最后转换为Series：

pd.Series(df["duration"].dt.to_pytimedelta().astype(str), name="start_time")

Answer 6

如果你想删除所有非零组件（不仅仅是天），你可以这样做：

def pd_td_fmt(td):
    import pandas as pd
    abbr = {'days': 'd', 'hours': 'h', 'minutes': 'min', 'seconds': 's', 'milliseconds': 'ms', 'microseconds': 'us',
        'nanoseconds': 'ns'}

    fmt = lambda td:"".join(f"{v}{abbr[k]}" for k, v in td.components._asdict().items() if v != 0)
    if isinstance(td, pd.Timedelta):
        return fmt(td)
    elif isinstance(td,pd.TimedeltaIndex):
        return td.map(fmt)
    else:
        raise ValueError

Answer 7

如果您可以确定您的 timedelta 小于一天，这可能会起作用。为了在尽可能少的行中做到这一点，我 convert the timedelta to a datetime 通过添加 unix epoch 0 然后使用 now-datetime dt function 来格式化日期格式。

df['duration1'] = (df['duration'] + pd.to_datetime(0)).dt.strftime('%M:%S')