为什么 Python pandas 将任意时间信息分配给日期时间 object？

Question

Python pandas (0.24.1) 正在向我的日期时间对象添加看似任意数量的小时、分钟和秒。 这似乎是出乎意料的默认行为； 我希望时间组件默认为午夜（00:00:00）。 这是一个错误吗？

import pandas as pd

df = pd.DataFrame( {'yr': [2019, 2019],
                    'mo': [9, 9],
                    'dy': [25, 26]}     )

df['dtime'] = ( pd.to_datetime(df['yr'],format='%Y')
               +pd.to_timedelta(df['mo']-1,unit='M')
               +pd.to_timedelta(df['dy']-1,unit='d') )


print('pandas version == '+pd.__version__)
df

################################################
OUTPUT:
################################################

pandas version == 0.24.1
yr  mo  dy  dtime
0   2019    9   25  2019-09-25 11:52:48
1   2019    9   26  2019-09-26 11:52:48

Answer 1

问题在于转换月份，这里使用'rounded'年份（因为闰年）并除以12表示'rounded'月份：

print (pd.to_timedelta(365.2425, unit='d') / 12)
30 days 10:29:06

print (pd.to_timedelta(1, unit='M'))
30 days 10:29:06

print (pd.to_timedelta(df['mo']-1,unit='M'))
0   243 days 11:52:48
1   243 days 11:52:48
Name: mo, dtype: timedelta64[ns]

更好的解决方案是将to_datetime与year 、 monht和day列一起使用，并在必要时使用list(d.values())按子集对其进行过滤（如果实际数据中有其他列）：

d = {'yr':'year', 'mo':'month', 'dy':'day'}
df['dtime'] = pd.to_datetime(df.rename(columns=d)[list(d.values())])

print (df)
     yr  mo  dy      dtime
0  2019   9  25 2019-09-25
1  2019   9  26 2019-09-26

Answer 2

为了补充 Jezrael 上面指出的 timedelta 问题的详细信息，月份转换的问题如下： Pandas timedelta 将月份定义为一年的 1/12，即基于闰年逻辑的 365.2425 天。

243 天 11:52:48 是 21037968 秒。

>>> 243*60*60*24+11*60*60+52*60+48
21037968

一些维度分析证实这是一年的 8/12，即 365.2425 天。

>>> 21037968/((8/12)*365.2425*60*60*24)
1.0

如上所述，使用 to_datetime 来避免这种情况。