完成公司门户网站建设,怎么坐网约车出行,网站建设和域名的关系,公司网站建设作用时间差(Timedelta)是时间上的差异#xff0c;以不同的单位来表示。例如#xff1a;日#xff0c;小时#xff0c;分钟#xff0c;秒。它们可以是正值#xff0c;也可以是负值。可以使用各种参数创建Timedelta对象#xff0c;如下所示 - 字符串 通过传递字符串#xff0…时间差(Timedelta)是时间上的差异以不同的单位来表示。例如日小时分钟秒。它们可以是正值也可以是负值。可以使用各种参数创建Timedelta对象如下所示 - 字符串 通过传递字符串可以创建一个timedelta对象。参考以下示例代码 - import pandas as pdtimediff pd.Timedelta(2 days 2 hours 15 minutes 30 seconds) print(timediff) Python 执行上面救命代码得到以下结果 - 2 days 02:15:30Shell 整数 通过传递一个整数值与指定单位这样的一个参数也可以用来创建Timedelta对象。 import pandas as pdtimediff pd.Timedelta(6,unith) print(timediff) Python 执行上面救命代码得到以下结果 - 0 days 06:00:00Shell 数据偏移 例如 - 周天小时分钟秒毫秒微秒纳秒的数据偏移也可用于构建。 import pandas as pdtimediff pd.Timedelta(days2) print(timediff) Python 执行上面救命代码得到以下结果 - 2 days 00:00:00Shell 运算操作 可以在Series/DataFrames上执行运算操作并通过在datetime64 [ns]系列或在时间戳上减法操作来构造timedelta64 [ns]系列。参考以下示例代码 - import pandas as pds pd.Series(pd.date_range(2012-1-1, periods3, freqD)) td pd.Series([ pd.Timedelta(daysi) for i in range(3) ]) df pd.DataFrame(dict(A s, B td)) print(df) Python 执行上面示例代码得到以下结果 - A B
0 2012-01-01 0 days
1 2012-01-02 1 days
2 2012-01-03 2 daysShell 相加操作 import pandas as pds pd.Series(pd.date_range(2018-1-1, periods3, freqD)) td pd.Series([ pd.Timedelta(daysi) for i in range(3) ]) df pd.DataFrame(dict(A s, B td)) df[C]df[A]df[B] print(df) Python 执行上面示例代码得到以下结果 - A B C
0 2018-01-01 0 days 2018-01-01
1 2018-01-02 1 days 2018-01-03
2 2018-01-03 2 days 2018-01-05Shell 相减操作 import pandas as pds pd.Series(pd.date_range(2012-1-1, periods3, freqD)) td pd.Series([ pd.Timedelta(daysi) 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) Python 执行上面示例代码得到以下结果 - A B C D
0 2018-01-01 0 days 2018-01-01 2018-01-01
1 2018-01-02 1 days 2018-01-03 2018-01-02
2 2018-01-03 2 days 2018-01-05 2018-01-03转载于:https://www.cnblogs.com/navysummer/p/9641199.html
