Question

在Python的熊猫中是否有与SQL的约会功能相同的功能？这个问题的答案是： Add column with number of days between dates in DataFrame pandas 解释了如何计算天数的差异。例如：

>>> (pd.to_datetime('15-10-2010') - pd.to_datetime('15-07-2010')) / pd.offsets.Day(1)
92.0

但是，我有两个问题：

有没有办法计算月份差异？我可以近似将上面的结果除以31，然后是31，但我想知道是否有一些内置函数可以自动执行此操作。
pd.offsets的语法是什么？我试过除以pd.offsets.Month（1）并且它不起作用。我查看了这里的文档（这很糟糕，就像所有Python的文档一样！）：http://pandas.pydata.org/pandas-docs/stable/timeseries.html#dateoffset-objects但是Day（）不在那里，所以我很困惑

Answer 1

<强>更新

def months_between(d1, d2):
    dd1 = min(d1, d2)
    dd2 = max(d1, d2)
    return (dd2.year - dd1.year)*12 + dd2.month - dd1.month

In [125]: months_between(pd.to_datetime('2015-01-02 12:13:14'), pd.to_datetime('2012-03-02 12:13:14'))
Out[125]: 34

OLD回答：

In [40]: (pd.to_datetime('15-10-2010') - pd.to_datetime('15-07-2010')).days
Out[40]: 92

您也可以这样做几个月：

In [48]: pd.to_datetime('15-10-2010').month - pd.to_datetime('15-07-2010').month
Out[48]: 3

Answer 2

如果你环顾一下，似乎几个月都无法摆脱TimeDelta：

In [193]: date_1 = pd.to_datetime('2015-01-02 12:13:14')

In [194]: date_2 = pd.to_datetime('2012-03-02 12:13:14')

In [195]: date_1 - date_2
Out[195]: Timedelta('1036 days 00:00:00')

In [199]: td_1.
td_1.asm8            td_1.days            td_1.freq            td_1.microseconds    td_1.resolution      td_1.to_pytimedelta  td_1.value           
td_1.ceil            td_1.delta           td_1.is_populated    td_1.min             td_1.round           td_1.to_timedelta64  td_1.view            
td_1.components      td_1.floor           td_1.max             td_1.nanoseconds     td_1.seconds         td_1.total_seconds

In [199]: td_1.components
Out[199]: Components(days=1036, hours=0, minutes=0, seconds=0, milliseconds=0, microseconds=0, nanoseconds=0)

此外，Components似乎没有提供相同价值的不同面额，但

In [213]: td_1.components.days
Out[213]: 1036

In [214]: td_1.components.hours
Out[214]: 0

最终，看起来你到目前为止所做的事情似乎是最好的＆＃34;溶液：

In [214]: td_1.components.days/30
Out[214]: 34.53333333333333

In [215]: np.round(td_1.components.days/30)
Out[215]: 35.0

In [216]: np.floor(td_1.components.days/30)
Out[216]: 34.0

不是真正的好消息，但无论如何都是一个解决方案。

至于将Matlab附带的文档与大熊猫的文档进行比较，你是对的。但是，如果你要比较两者的价格标签，也许有些问题得到解答..（？）

pandas：功能相当于SQL的datediff（）？

2 个答案: