Pandas分配Lambda函数

Question

我有一个DataFrame，它有一个开放时间和一个关闭时间，我试图计算差异，以毫秒为单位。

我的代码目前是这样的

df = df.assign(Latency=lambda d: d.CloseTimeStamp - d.CreationTimeStamp)
df.Latency = df.apply(lambda d: d.Latency.total_seconds() * 1000., axis=1)

但是，我想知道为什么我不能像这样的单行

df = df.assign(Latency=lambda d: (d.CloseTimeStamp - d.CreationTimeStamp).total_seconds() * 1000.)

当我尝试后者时，我得到了AttributeError: 'Series' object has no attribute 'total_seconds'

Answer 1

总秒数在.dt属性中，所以这应该工作：

df = df.assign(Latency=lambda d: (d.CloseTimeStamp - d.CreationTimeStamp).dt.total_seconds() * 1000.)

话虽如此，不需要lambda函数：

df = df.assign(Latency=(df.CloseTimeStamp - df.CreationTimeStamp).dt.total_seconds() * 1000.)

要快得多。

关于效率的进一步评论： df.assign()构建一个全新的数据df.assign()对象; 如果你打算将这个对象重新分配到df ，你最好在原地修改df ：

df['Latency'] = (df.CloseTimeStamp - df.CreationTimeStamp).dt.total_seconds() * 1000.

Answer 2

需要.dt访问器，因为使用datetime Series ，如果DatetimeIndex ，则省略.dt ：

df = df.assign(Latency=lambda d: (d.CloseTimeStamp -  d.CreationTimeStamp).dt.total_seconds() * 1000.)

没有lambda的解决方案：

df = df.assign(Latency=(df.CloseTimeStamp - df.CreationTimeStamp).dt.total_seconds() * 1000.)

...和没有assign解决方案：

df['Latency'] = (df.CloseTimeStamp - df.CreationTimeStamp).dt.total_seconds() * 1000.