Question

我有一个pandas数据帧navTable，其索引是一系列日期。

我需要找到索引

中连续日期之间的差异

                 Delta  
2016-08-10       0.006619  
2016-08-12       0.006595  
2016-08-14       0.006595  
2016-08-17       0.006595  
2016-08-18       0.006595

我想要一个新列Days_Diff，这会让我在后续日期（索引中）有所不同。因此我的输出应该是这样的

             Delta      Delta_Days
8/10/2016   0.006619    None 
8/12/2016   0.006595    2 
8/14/2016   0.006595    2 
8/17/2016   0.006595    3 
8/18/2016   0.006595    1

我先试了这个：

navTable['Index'] = navTable.index
navTable['Days_Diff'] = navTable['Index'] - navTable['Index'].shift(1)
navTable['Delta_Days'] = navTable['Days_Diff'].days

Outright，这不被接受，因为它抱怨“天不能应用于系列赛”

所以，我试过这个：

navTable['Index'] = navTable.index
navTable['Days_Diff'] = navTable['Index'] - navTable['Index'].shift(1)
navTable['Delta_Days'] = [ eachDayDiff.days for eachDayDiff in list(dataTable['Days_Diff']) ]

可以理解的是，它抱怨第一个元素是Null。

'NaTType'对象没有属性'days'

问题1）我是否有效地处理了这种情况？问题2）如何解决

'NaTType'对象没有属性'days'

对于记录，第一个元素是pandas.tslib.NaTType类型其余类型为pandas.tslib.Timedelta

修改：格式化

Answer 1

通常，您将使用diff()函数计算相邻差异，您可以将索引转换为普通系列，然后使用diff()函数，该函数提供一系列time delta数据类型：

df.index.to_series().diff()

# 2016-08-10      NaT
# 2016-08-12   2 days
# 2016-08-14   2 days
# 2016-08-17   3 days
# 2016-08-18   1 days
# dtype: timedelta64[ns]

将时间增量数据类型转换为数字类型：

import numpy as np
df['Delta_Days'] = (df.index.to_series().diff() / np.timedelta64(1, 'D')).astype(float)

df

#              Delta  Delta_Days
#2016-08-10 0.006619         NaN
#2016-08-12 0.006595         2.0
#2016-08-14 0.006595         2.0
#2016-08-17 0.006595         3.0
#2016-08-18 0.006595         1.0

pandas数据库 - 如何解决天数差异

1 个答案: