從pandas datetime index計算經過時間的時間

Question

我有一個帶有datetimeindex的pandas數據幀。 我想創建一個包含已用時間的列。 我正在計算它：

startTime = df.index[0]
elapsed = df.index - startTime

結果：

TypeError                                 Traceback (most recent call last)
<ipython-input-56-279fd541b1e2> in <module>()
----> 1 df.index - startTime

C:\Python27\lib\site-packages\pandas\tseries\index.pyc in __sub__(self, other)
    612             return self.shift(-other)
    613         else:  # pragma: no cover
--> 614             raise TypeError(other)
    615 
    616     def _add_delta(self, delta):

TypeError: 2014-07-14 14:47:57

奇怪的是，例如：

df.index[1] - startTime

收益：

datetime.timedelta(0, 1)

我認為這可能是因為它是一個datetimeindex而不是導致問題的普通系列。 然而，當我第一次使用df.index作為數據參數創建一個新系列然后嘗試減法時，我得到一大堆警告，說我隱式地投射了兩個不兼容的類型，並且它將來不會起作用：

timeStamps =pd.Series(data=df.index)
elapsed = timeStamps - timeStamps[0]

回報

C:\Python27\lib\site-packages\pandas\core\format.py:1851: DeprecationWarning:     Implicitly casting between incompatible kinds. In a future numpy release, this will raise an error. Use casting="unsafe" if this is intentional.
  elif format_short and x == 0:

雖然我確實使用后一種方法獲得了一系列正確的TimeDelta，但我不喜歡依賴已棄用的代碼。 是否有“正確”的方法來計算經過的時間？

這是我從以下網站獲取數據的csv文件：

Timestamp   Bubbler_Temperature_Setpoint
14-7-2014 14:47:57  13.000000
14-7-2014 14:47:58  13.000000
14-7-2014 14:47:59  13.000000
14-7-2014 14:48:00  13.000000
14-7-2014 14:48:01  13.000000
14-7-2014 14:48:02  13.000000
14-7-2014 14:48:03  13.000000
14-7-2014 14:48:04  13.000000
14-7-2014 14:48:05  13.000000

我使用'read_csv'函數將其讀入數據幀：

df = pd.read_csv('test.csv',sep='\t',parse_dates='Timestamp',index_col='Timestamp')

我正在使用pandas版本0.13.1

Answer 1

你是這樣做的因素：

In [30]: ts = Series(13,date_range('20140714 14:47:57',periods=10,freq='s'))

In [31]: ts
Out[31]: 
2014-07-14 14:47:57    13
2014-07-14 14:47:58    13
2014-07-14 14:47:59    13
2014-07-14 14:48:00    13
2014-07-14 14:48:01    13
2014-07-14 14:48:02    13
2014-07-14 14:48:03    13
2014-07-14 14:48:04    13
2014-07-14 14:48:05    13
2014-07-14 14:48:06    13
Freq: S, dtype: int64

# iirc this is available in 0.13.1 (if not, use ``Series(ts.index)``
In [32]: x = ts.index.to_series()

In [33]: x-x.iloc[0]
Out[33]: 
2014-07-14 14:47:57   00:00:00
2014-07-14 14:47:58   00:00:01
2014-07-14 14:47:59   00:00:02
2014-07-14 14:48:00   00:00:03
2014-07-14 14:48:01   00:00:04
2014-07-14 14:48:02   00:00:05
2014-07-14 14:48:03   00:00:06
2014-07-14 14:48:04   00:00:07
2014-07-14 14:48:05   00:00:08
2014-07-14 14:48:06   00:00:09
Freq: S, dtype: timedelta64[ns]

在您的示例中執行df.index-df.index[0]不是timedelta操作，而是SET操作。 看到這里

Answer 2

我改變了

elapsed = df.index - startTime

至

df['elapsed'] = df.index - startTime

獲取時間更改列。 這不就是你需要的嗎？