Question

这一直对我有用，但几天前开始，我得到了奇怪的结果。

my_list = [1,2,3,4,5]
my_series = pd.Series(my_list)
print pd.to_timedelta(my_series)

刚刚返回

0    00:00:00:000000
1    00:00:00:000000
2    00:00:00:000000
3    00:00:00:000000
4    00:00:00:000000

谁能告诉我发生了什么事？

编辑：在我的实际代码中，我使用

将我的（很快将是timedelta）列更改为整数

df['col'].astype(int, inplace = True)

在调用to_timedelta函数之前。我真的应该这样做

new_col = pd.to_numeric(df['col'])

然后在new_col上调用to_timedelta。也许有人可以阐明为什么会这样。

Answer 1

to_timedelta的默认单位是'ns'，请参阅文档或函数原型：

def to_timedelta(arg, unit='ns', box=True, errors='raise', coerce=None):

所以你只生成1到5个naoseconds增量，并且显示不会那么深。

你可能选择了错误的单位，将单位='对你有用的东西'传递给该函数。

编辑以解释更多OP的评论

通过使用适当的单位，您可以得到您期望的结果：

pd.to_timedelta(my_series, unit='D')
Out[415]: 
0   1 days
1   2 days
2   3 days
3   4 days
4   5 days
dtype: timedelta64[ns]

该系列中对象的类型仍然是timedelta[ns]，它是对象的内部表示。括号中的ns用于提醒您timedelta对象的精度范围低至纳秒。

如果我取第一个元素的原始内部值，我会发现纳秒：

pd.to_timedelta(my_series, unit='D')[0].delta
Out[425]: 86400000000000