Question

pandas DataFrame列duration包含timedelta64[ns]，如图所示。你如何将它们转换为秒？

0   00:20:32
1   00:23:10
2   00:24:55
3   00:13:17
4   00:18:52
Name: duration, dtype: timedelta64[ns]

我尝试了以下

print df[:5]['duration'] / np.timedelta64(1, 's')

但得到了错误

Traceback (most recent call last):
  File "test.py", line 16, in <module>
    print df[0:5]['duration'] / np.timedelta64(1, 's')
  File "C:\Python27\lib\site-packages\pandas\core\series.py", line 130, in wrapper
    "addition and subtraction, but the operator [%s] was passed" % name)
TypeError: can only operate on a timedeltas for addition and subtraction, but the operator [__div__] was passed

也试过

print df[:5]['duration'].astype('timedelta64[s]')

但收到错误

Traceback (most recent call last):
  File "test.py", line 17, in <module>
    print df[:5]['duration'].astype('timedelta64[s]')
  File "C:\Python27\lib\site-packages\pandas\core\series.py", line 934, in astype
    values = com._astype_nansafe(self.values, dtype)
  File "C:\Python27\lib\site-packages\pandas\core\common.py", line 1653, in _astype_nansafe
    raise TypeError("cannot astype a timedelta from [%s] to [%s]" % (arr.dtype,dtype))
TypeError: cannot astype a timedelta from [timedelta64[ns]] to [timedelta64[s]]

Answer 1

这在当前版本的Pandas（版本0.14）中正常工作：

In [132]: df[:5]['duration'] / np.timedelta64(1, 's')
Out[132]: 
0    1232
1    1390
2    1495
3     797
4    1132
Name: duration, dtype: float64

以下是旧版Pandas / NumPy的解决方法：

In [131]: df[:5]['duration'].values.view('<i8')/10**9
Out[131]: array([1232, 1390, 1495,  797, 1132], dtype=int64)

timedelta64和datetime64数据在内部存储为8字节的整数（dtype '<i8'）。因此，上面将timedelta64s视为8字节的整数，然后执行整数将纳秒转换为秒。

请注意，您need NumPy version 1.7 or newer可以使用datetime64 / timedelta64s。

Answer 2

刚刚意识到这是一个老线程，无论如何，如果流浪者将它留在这里像我一样只点击搜索引擎的前5个结果，最终结果这里。

确保您的类型正确无误。

如果您想将日期时间转换为秒，只需将日期时间对象的每小时，分钟和秒的秒数相加，如果其持续时间为1日期。
- - 小时 - 小时x 3600 =秒
- - 分钟 - 分钟x 60 =秒
- - 秒 - 秒

linear_df['duration'].dt.hour*3600 + linear_df['duration'].dt.minute*60 + linear_df['duration'].dt.second

如果您想将 timedelta 转换为秒，请使用下面的那个。

linear_df[:5]['duration'].astype('timedelta64[s]')

我让它像这样工作：

start_dt和end_dt列采用以下格式：

import datetime

linear_df[:5]['start_dt']

0   1970-02-22 21:32:48.000
1   2016-12-30 17:47:33.216
2   2016-12-31 09:33:27.931
3   2016-12-31 09:52:53.486
4   2016-12-31 10:29:44.611
Name: start_dt, dtype: datetime64[ns]

我的持续时间为timedelta64 [ns]格式，即减去开始和结束日期时间值。

linear_df['duration'] = linear_df['end_dt'] - linear_df['start_dt']

结果持续时间列如下所示

linear_df[:5]['duration']

0          0 days 00:00:14
1   2 days 17:44:50.558000
2   0 days 15:37:28.418000
3   0 days 18:45:45.727000
4   0 days 19:21:27.159000
Name: duration, dtype: timedelta64[ns]

使用pandas我在float中的两个日期之间的持续时间为秒。之后更容易比较或过滤您的持续时间。

linear_df[:5]['duration'].astype('timedelta64[s]')

0        14.0
1    236690.0
2     56248.0
3     67545.0
4     69687.0
Name: duration, dtype: float64

在我的情况下，如果我想获得超过1秒的所有持续时间。

希望它有所帮助。

Answer 3

使用Series dt accessor可以访问日期时间（timedelta）系列的方法和属性。

>>> s
0   -1 days +23:45:14.304000
1   -1 days +23:46:57.132000
2   -1 days +23:49:25.913000
3   -1 days +23:59:48.913000
4            00:00:00.820000
dtype: timedelta64[ns]
>>>
>>> s.dt.total_seconds()
0   -885.696
1   -782.868
2   -634.087
3    -11.087
4      0.820
dtype: float64

Datetimelike properties

Answer 4

我们可以简单地使用pandas apply（）功能

def get_seconds(time_delta):
    return time_delta.seconds

def get_microseconds(time_delta):
    return time_delta.micro_seconds

time_delta_series = df['duration']

converted_series = time_delta_series.apply(get_seconds)
print(converted_series)

Answer 5

使用'total_seconds（）'函数：

df['durationSeconds'] = df['duration'].dt.total_seconds()

在Python Pandas DataFrame中将timedelta64 [ns]列转换为秒

5 个答案: