以数字数据类型访问datetime.time（00:00-23:59）格式

Question

我有一个24-HR平均数据，该数据从00:00-23:59索引，间隔为1分钟。这导致每分钟对应1440个数据点。我想将这些时间戳映射到它们的数字索引，范围从0到1440（因为整天有1440分钟）。

例如00:00-> 0，00：01-> 1，00：02-> 2 ... 23：58-> 1339，23：59-> 1440

  

    

time = 01:11 dtype：datetime.time
    time.func（）
       71

  

我试图搜索datetime.time格式的熊猫中是否有这样的功能。但是，我找不到任何东西。

如果熊猫没有为此内置的功能，则另一种方法可能是编写一个将特定datetime.time映射到索引（0-1440）的函数。

Answer 1

pandas没有本地time dtype，但是确实有timedelta：

In [11]: t = dt.time(10, 15)

In [12]: t.hour * 60 + t.minute  # total minutes (this may suffice!)
Out[12]: 615

In [13]: pd.to_timedelta((t.hour * 60 + t.minute), unit='m')
Out[13]: Timedelta('0 days 10:15:00')

注意：您也许可以从一开始就从timedelta开始工作（无论是解析还是通过计算）：

In [14]: pd.to_timedelta('10:15:00')
Out[14]: Timedelta('0 days 10:15:00')

Answer 2

看一下这是否是您想要的：

import pandas as pd
df = pd.DataFrame(['23:57', '10:39', '4:03'], columns=['Time'])

此数据框如下：

    Time
0  23:57
1  10:39
2   4:03

然后我们可以将此功能应用于我们的列：

df['Time'].apply(lambda x: int(pd.to_timedelta(pd.to_datetime(x, format='%H:%M').strftime('%H:%M:00'), unit='m').total_seconds()/60))

其中的输出是：

0    1437
1     639
2     243
Name: Time, dtype: int64

在这里，我们使用apply将相同的功能应用于列的所有元素。

1. 转换为日期时间格式（这里我使用'％H：％M'指定了格式，以确保我们将时间显式转换为小时和分钟。
2. 使用strftime通过添加'：00'来格式化带有额外的seconds元素的时间，这是因为pd.to_timedelta希望使用'hh：mm：ss'格式的时间
3. 然后我们获得timedelta的total_seconds（）并除以60得到分钟数
4. 转换为整数以获取最终格式。