Question

我在这里阅读了很多主题并尝试了很多不同的东西，但它不能以某种方式起作用。基本上，我有一个名为order_date的字段，它最初是“对象”。我通过应用此函数将其转换为datetime64 [ns]：

customer_data['order_date'] = pd.to_datetime(customer_data['order_date'])

现在，我想计算两个timedeltas之间的差异并得到一个这样的整数值：

customer_data['recency']= (customer_data.order_date.max() - customer_data['order_date'])

但是当我这样做时，我希望我的新列“recency”是INTEGER值而不是timedelta64 [ns]。知道怎么做吗？

非常感谢提前。

Answer 1

我认为您可以使用dt.total_seconds通过astype投射到int：

customer_data['recency'] = customer_data['recency'].dt.total_seconds().astype(int)

样品：

rng = pd.date_range('2017-04-03', periods=10)
customer_data = pd.DataFrame({'order_date': rng, 'a': range(10)})  
#print (customer_data)

customer_data['recency']= (customer_data.order_date.max() - customer_data['order_date'])
customer_data['recency'] = customer_data['recency'].dt.total_seconds().astype(int)
print (customer_data)
   a order_date  recency
0  0 2017-04-03   777600
1  1 2017-04-04   691200
2  2 2017-04-05   604800
3  3 2017-04-06   518400
4  4 2017-04-07   432000
5  5 2017-04-08   345600
6  6 2017-04-09   259200
7  7 2017-04-10   172800
8  8 2017-04-11    86400
9  9 2017-04-12        0

dt.days的另一个解决方案：

customer_data['recency'] = customer_data['recency'].dt.days.astype(int)
print (customer_data)
   a order_date  recency
0  0 2017-04-03        9
1  1 2017-04-04        8
2  2 2017-04-05        7
3  3 2017-04-06        6
4  4 2017-04-07        5
5  5 2017-04-08        4
6  6 2017-04-09        3
7  7 2017-04-10        2
8  8 2017-04-11        1
9  9 2017-04-12        0

将timedeltas转换为pandas

1 个答案: