计算两个时间戳列的差异[重复]

Posted 2023-03-11

【中文标题】计算两个时间戳列的差异[重复]

【英文标题】：calculate the difference of two timestamp columns [duplicate]

【发布时间】：2021-05-04 02:57:57

【问题描述】：

我有一个这样的数据集：

data = pd.DataFrame('order_date-time':['2017-09-13 08:59:02', '2017-06-28 11:52:20', '2018-05-18 10:25:53', '2017-08-01 18:38:42', '2017-08-10 21:48:40','2017-07-27 15:11:51',
                                   '2018-03-18 21:00:44','2017-08-05 16:59:05', '2017-08-05 16:59:05','2017-06-05 12:22:19'],
                'delivery_date_time':['2017-09-20 23:43:48', '2017-07-13 20:39:29','2018-06-04 18:34:26','2017-08-09 21:26:33','2017-08-24 20:04:21','2017-08-31 20:19:52',
                                      '2018-03-28 21:57:44','2017-08-14 18:13:03','2017-08-14 18:13:03','2017-06-26 13:52:03'])

我想将这些日期之间的时间差计算为天数，并将其作为交货延迟列添加到表中。但我需要包括这个计算的日期和时间 例如，如果差值是 7 天 14:44:46，我们可以将其四舍五入为 7 天。

【参考方案1】：

from datetime import datetime

datetime.strptime(date_string, format)

你可以用它把字符串转换成DateTime格式，放入变量中，然后计算

访问https://www.journaldev.com/23365/python-string-to-datetime-strptime/

【讨论】：

其实，我试过这个代码 datetime.strptime('order_date-time', '%Y-%m-%d %H:%M:%S') 但我得到了错误时间数据'order_date-time' 与格式 '%Y-%m-%d %H:%M:%S' 不匹配

【参考方案2】：

Python 的datetime 库非常适合处理单独的时间戳。但是，如果您的数据在 pandas DataFrame 中，那么您应该使用 pandas 日期时间功能。

要将带有时间戳的列从字符串转换为正确的日期时间格式，您可以使用pandas.to_datetime()：

data['order_date_time'] = pd.to_datetime(data['order_date_time'], format="%Y-%m-%d %H:%M:%S")
data['delivery_date_time'] = pd.to_datetime(data['delivery_date_time'], format="%Y-%m-%d %H:%M:%S")

format 参数是可选的，但我认为始终使用它来确保您的日期时间格式不会被错误地“解释”是个好主意。它还使处理大型数据集的过程更快。

一旦有了日期时间格式的列，您就可以简单地计算它们之间的timedelta：

data['delay'] = data['delivery_date_time'] - data['order_date_time']

最后，如果你想对这个 timedelta 进行四舍五入，那么pandas 再次有正确的方法：

data['approx_delay'] = data['delay'].dt.round('d')

额外的dt 提供对datetime 特定方法的访问权限，round 函数将frequency 作为参数，在这种情况下，频率已使用'd' 设置为一天