前言：
眼前咱们对“pythonpandas减法”大体比较看重，各位老铁们都想要学习一些“pythonpandas减法”的相关文章。那么小编在网摘上搜集了一些对于“pythonpandas减法””的相关内容，希望我们能喜欢，我们快快来学习一下吧！前言
之前我们介绍了pandas处理时间以及pandas时间序列的内容，本文我们来介绍pandas处理时间差的有关操作。
Timedelta 表示时间差（或者时间增量），我们可以使用不同的时间单位来表示它，比如，天、小时、分、秒。时间差的最终的结果可以是正时间差，也可以是负时间差。
本文主要介绍创建 Timedelta （时间差）的方法以及与时间差相关的运算法则。
创建时间差对象通过传递字符串可以创建 Timedelta 对象，示例如下：
import pandas as pdprint(pd.Timedelta('5 days 23 hours 50 minutes 23 seconds'))------------------------输出结果如下：5 days 23:50:23传递整数值和unit参数也可以创建一个 Timedelta 对象，示例如下：import pandas as pdprint(pd.Timedelta(7,unit='h'))--------------------------输出结果如下：0 days 07:00:00数据偏移量，周(weeks)、天(days)、小时(hours)、分钟(minutes)、秒(milliseconds)、毫秒、微秒、纳秒都可以使用，示例如下：
import pandas as pdprint (pd.Timedelta(weeks=1,days=2,hours=6))------------------------------输出结果如下：9 days 06:00:00
注：周会直接换算成天数，与天数相加，该方法不支持月份作为数据偏移量
to_timedelta()
使用pd.to_timedelta()方法，将具有 timedelta 格式的值 (标量、数组、列表或 Series）转换为 Timedelta 类型。如果输入是 Series，则返回 Series；如果输入是标量，则返回值也为标量，其他情况输出 TimedeltaIndex。示例如下：
import pandas as pdimport numpy as npprint(pd.to_timedelta(['1 days 06:05:01.00003', '15.5us', 'nan']))print(pd.to_timedelta(np.arange(5), unit='s'))---------------输出结果如下：TimedeltaIndex(['1 days 06:05:01.000030', '0 days 00:00:00.000015500', NaT], dtype='timedelta64[ns]', freq=None)TimedeltaIndex(['0 days 00:00:00', '0 days 00:00:01', '0 days 00:00:02', '0 days 00:00:03', '0 days 00:00:04'], dtype='timedelta64[ns]', freq=None)算术操作
对datetime64[ns]类型的时间序列或时间戳做算术运算，其运算结果依然是datetime64[ns]数据类型。接下来，我们创建一个带有 Timedelta 与 datetime 的 DataFrame 对象，并对其做一些算术运算。
示例代码如下：
import pandas as pds = pd.Series(pd.date_range('2023-3-23', periods=5, freq='D'))#推导式用法td = pd.Series([ pd.Timedelta(days=i) for i in range(5)])df = pd.DataFrame(dict(A = s, B = td))print(df)----------------------输出结果如下： A B0 2023-03-23 0 days1 2023-03-24 1 days2 2023-03-25 2 days3 2023-03-26 3 days4 2023-03-27 4 days加法运算import pandas as pds = pd.Series(pd.date_range('2023-3-20', periods=3, freq='D'))td = pd.Series([ pd.Timedelta(days=i) for i in range(3) ])df = pd.DataFrame(dict(A = s, B = td))#加法运算df['C']=df['A']+df['B']print(df)------------------------输出结果如下： A B C0 2023-03-20 0 days 2023-03-201 2023-03-21 1 days 2023-03-222 2023-03-22 2 days 2023-03-24减法运算import pandas as pds = pd.Series(pd.date_range('2023-3-20', periods=3, freq='D'))td = pd.Series([ pd.Timedelta(days=i) for i in range(3) ])df = pd.DataFrame(dict(A = s, B = td))df['C']=df['A']+df['B']df['D']=df['C']-df['B']print(df)-------------------------输出结果如下： A B C D0 2023-03-20 0 days 2023-03-20 2023-03-201 2023-03-21 1 days 2023-03-22 2023-03-212 2023-03-22 2 days 2023-03-24 2023-03-22总结本文主要介绍了pandas对于时间差的处理，与datetime的处理相比，pandas对于时间差的处理更加方便直接，后续我们将继续介绍pandas对字符串的处理。
版权声明：
本站文章均来自互联网搜集，如有侵犯您的权益，请联系我们删除，谢谢。
标签： #pythonpandas减法
