📅 最后修改于: 2020-11-06 05:49:31 🧑 作者: Mango
时间增量是时间差异，以差异单位表示，例如，天，小时，分钟，秒。它们可以是正面的也可以是负面的。
我们可以使用各种参数创建Timedelta对象，如下所示-
通过传递字符串字面量，我们可以创建一个timedelta对象。
import pandas as pd
print pd.Timedelta('2 days 2 hours 15 minutes 30 seconds')
其输出如下-
2 days 02:15:30
通过使用单位传递整数值，参数将创建一个Timedelta对象。
import pandas as pd
print pd.Timedelta(6,unit='h')
其输出如下-
0 days 06:00:00
数据偏移量(例如-周，天，小时，分钟，秒，毫秒，微秒，纳秒)也可以在构造中使用。
import pandas as pd
print pd.Timedelta(days=2)
其输出如下-
2 days 00:00:00
使用顶级pd.to_timedelta ，您可以将标量，数组，列表或序列从公认的timedelta格式/值转换为Timedelta类型。如果输入为Series，则将构造Series；如果输入为标量，则将构造标量；否则，将输出TimedeltaIndex 。
import pandas as pd
print pd.Timedelta(days=2)
其输出如下-
2 days 00:00:00
您可以对Series / DataFrame进行操作，并通过对datetime64 [ns] Series或Timestamps进行减法运算来构造timedelta64 [ns] Series。
现在让我们用Timedelta和datetime对象创建一个DataFrame并对其执行一些算术运算-
import pandas as pd
s = pd.Series(pd.date_range('2012-1-1', periods=3, freq='D'))
td = pd.Series([ pd.Timedelta(days=i) for i in range(3) ])
df = pd.DataFrame(dict(A = s, B = td))
print df
其输出如下-
A B
0 2012-01-01 0 days
1 2012-01-02 1 days
2 2012-01-03 2 days
import pandas as pd
s = pd.Series(pd.date_range('2012-1-1', 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']
print df
其输出如下-
A B C
0 2012-01-01 0 days 2012-01-01
1 2012-01-02 1 days 2012-01-03
2 2012-01-03 2 days 2012-01-05
import pandas as pd
s = pd.Series(pd.date_range('2012-1-1', 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
其输出如下-
A B C D
0 2012-01-01 0 days 2012-01-01 2012-01-01
1 2012-01-02 1 days 2012-01-03 2012-01-04
2 2012-01-03 2 days 2012-01-05 2012-01-07