绘制pandas时间差

Question

我有一个 pandas 数据框，其中有两列是日期时间格式，还有一列是时间差，这个时间差是前两列的差值。我想画一个柱状图，来展示这两个事件之间的时间差。

但是，直接用 df['time_delta'] 来做，就出现了这个错误： TypeError: ufunc add cannot use operands with types dtype('<m8[ns]') and dtype('float64')

我尝试把时间差这一列转换成浮点数：float--> df2 = df1['time_delta'].astype(float)，结果又出现了这个错误： TypeError: cannot astype a timedelta from [timedelta64[ns]] to [float64]

那要怎么才能画出 pandas 的时间差数据的柱状图呢？

Answer 1

还有一种方法（对我有效）就是直接用一个 Timedelta 来进行除法运算：

plt.hist(df['time_delta']/pd.Timedelta(minutes=1), bins=20)

Answer 2

这样怎么样

df['time_delta'].dt.days.hist()

...?（在这里你可以根据需要或数据使用 秒、微秒 或 纳秒 来替代 天）。

Answer 3

你可以使用numpy的时间差数据类型来绘制漂亮的直方图。

比如说：

df['time_delta'].astype('timedelta64[s]').plot.hist()

这段代码会生成一个以秒为单位的时间差直方图。如果你想用分钟来表示，可以这样做：

(df['time_delta'].astype('timedelta64[s]') / 60).plot.hist()

或者使用 [m] 时间差。

df['time_delta'].astype('timedelta64[m]').plot.hist()

这里有其他一些时间差类型的列表（来自 文档），你可以根据需要的精度选择：

Code    Meaning Time span (relative)    Time span (absolute)
h   hour    +/- 1.0e15 years    [1.0e15 BC, 1.0e15 AD]
m   minute  +/- 1.7e13 years    [1.7e13 BC, 1.7e13 AD]
s   second  +/- 2.9e11 years    [2.9e11 BC, 2.9e11 AD]
ms  millisecond +/- 2.9e8 years [ 2.9e8 BC, 2.9e8 AD]
us  microsecond +/- 2.9e5 years [290301 BC, 294241 AD]
ns  nanosecond  +/- 292 years   [ 1678 AD, 2262 AD]
ps  picosecond  +/- 106 days    [ 1969 AD, 1970 AD]
fs  femtosecond +/- 2.6 hours   [ 1969 AD, 1970 AD]
as  attosecond  +/- 9.2 seconds [ 1969 AD, 1970 AD]

Answer 4

这里有一些将时间差转换的方法，详细的说明可以在这里找到。

In [2]: pd.to_timedelta(np.arange(5),unit='d')+pd.to_timedelta(1,unit='s')
Out[2]: 
0   0 days, 00:00:01
1   1 days, 00:00:01
2   2 days, 00:00:01
3   3 days, 00:00:01
4   4 days, 00:00:01
dtype: timedelta64[ns]

转换为秒（这是一个精确的转换）

In [3]: (pd.to_timedelta(np.arange(5),unit='d')+pd.to_timedelta(1,unit='s')).astype('timedelta64[s]')
Out[3]: 
0         1
1     86401
2    172801
3    259201
4    345601
dtype: float64

使用astype进行转换会四舍五入到那个单位

In [4]: (pd.to_timedelta(np.arange(5),unit='d')+pd.to_timedelta(1,unit='s')).astype('timedelta64[D]')
Out[4]: 
0    0
1    1
2    2
3    3
4    4
dtype: float64

进行除法运算会得到一个精确的表示

In [5]: (pd.to_timedelta(np.arange(5),unit='d')+pd.to_timedelta(1,unit='s')) / np.timedelta64(1,'D')
Out[5]: 
0    0.000012
1    1.000012
2    2.000012
3    3.000012
4    4.000012
dtype: float64