Panda Timedelta w dniach

Question

Mam ramkę danych w pandach o nazwie "munged_data" z dwiema kolumnami "entry_date" i "dob", które przekonwertowałem na znaczniki czasu przy użyciu pd.to_timestamp. Próbuję obliczyć, jak obliczyć wiek ludzi na podstawie różnicy czasu między "entry_date" i "dob" i aby to zrobić muszę uzyskać różnicę w dniach między dwiema kolumnami (tak, że mogę wtedy zrobić coś w rodzaju rundy (dni/365.25). . być w stanie znaleźć sposób, aby to zrobić za pomocą vectorized operację Kiedy zrobić munged_data.entry_date-munged_data.dob otrzymuję następujący:

internal_quote_id 
2     15685977 days, 23:54:30.457856 
3     11651985 days, 23:49:15.359744 
4      9491988 days, 23:39:55.621376 
7      11907004 days, 0:10:30.196224 
9     15282164 days, 23:30:30.196224 
15     15282227 days, 23:50:40.261632 

jednak nie wydaje się, aby móc wyodrębnić dni jako liczba całkowita, dzięki czemu mogę kontynuować obliczeniaKażda pomoc doceniona.

Answer 1

Trzeba 0,11 (0.11rc1 za to jest obecnie, ostateczna prob przyszłym tygodniu)

In [9]: df = DataFrame([ Timestamp('20010101'), Timestamp('20040601') ]) 

In [10]: df 
Out[10]: 
        0 
0 2001-01-01 00:00:00 
1 2004-06-01 00:00:00 

In [11]: df = DataFrame([ Timestamp('20010101'), 
          Timestamp('20040601') ],columns=['age']) 

In [12]: df 
Out[12]: 
        age 
0 2001-01-01 00:00:00 
1 2004-06-01 00:00:00 

In [13]: df['today'] = Timestamp('20130419') 

In [14]: df['diff'] = df['today']-df['age'] 

In [16]: df['years'] = df['diff'].apply(lambda x: float(x.item().days)/365) 

In [17]: df 
Out[17]: 
        age    today    diff  years 
0 2001-01-01 00:00:00 2013-04-19 00:00:00 4491 days, 00:00:00 12.304110 
1 2004-06-01 00:00:00 2013-04-19 00:00:00 3244 days, 00:00:00 8.887671 

Trzeba to dziwne zastosowanie pod koniec, bo jeszcze nie pełne wsparcie dla timedelta64 [NS] skalary (np jak jak używamy znaczników czasu teraz datetime64 [nS], w najbliższych 0,12)

Answer 2

Nie jestem pewien, czy nadal go potrzebujemy, ale w pand 0,14 zwykle używam .astype („timedelta64 [X]”) metoda http://pandas.pydata.org/pandas-docs/stable/timeseries.html (konwersja częstotliwości)

df = pd.DataFrame([ pd.Timestamp('20010101'), pd.Timestamp('20040605') ]) 
df.ix[0]-df.ix[1] 

Powroty:

0 -1251 days 
dtype: timedelta64[ns] 

(df.ix[0]-df.ix[1]).astype('timedelta64[Y]') 

Powroty:

0 -4 
dtype: float64 

nadzieję, że pomogą

Answer 3

Korzystanie pandy typ Timedelta dostępny od v0.15.0 można również zrobić :

In[1]: import pandas as pd 
In[2]: df = pd.DataFrame([ pd.Timestamp('20150111'), 
          pd.Timestamp('20150301') ], columns=['date']) 
In[3]: df['today'] = pd.Timestamp('20150315') 
In[4]: df 
Out[4]: 
     date  today 
0 2015-01-11 2015-03-15 
1 2015-03-01 2015-03-15 

In[5]: (df['today'] - df['date']).dt.days 
Out[5]: 
0 63 
1 14 
dtype: int64 

Answer 4

Aby przekonwertować dowolny typ danych na dni wystarczy użyć timedelta() dni.

pd.Timedelta(1985, unit='Y').days 
84494 

Answer 5

Niech określić, że masz serii pandy imieniem time_difference który ma typ numpy.timedelta64 [ns]

Jednym ze sposobów wydobywania tylko dni (lub inny pożądany atrybut) jest następujący:

just_day = time_difference.apply(lambda x: pd.tslib.Timedelta(x).days) 

Ta funkcja jest używana, ponieważ obiekt numpy.timedelta64 nie ma atrybutu "days".