pandas 的timedelta使用
时间: 2025-05-20 17:43:34 浏览: 15
### 如何在 Pandas 中使用 `timedelta` 功能
#### 使用 `pandas.to_timedelta`
Pandas 提供了一个名为 `to_timedelta` 的方法,该方法能够将对象类型的数据转换为时间差(timedelta)类型[^1]。此方法适用于多种输入形式,例如字符串、数值以及混合类型的序列。
下面是一个简单的例子展示如何使用 `pandas.to_timedelta` 将字符串列表转化为时间差:
```python
import pandas as pd
time_strings = ['1 days', '2 hours', '3 minutes']
tdelta_series = pd.to_timedelta(time_strings)
print(tdelta_series)
```
这段代码会输出一个由时间差组成的时间序列,其中每个元素表示对应的时间间隔[^1]。
#### 创建固定频率的时间差序列
除了单个时间差的创建外,还可以利用 `pandas.timedelta_range` 来生成一系列具有特定频率的时间差值。这个函数的功能类似于 `date_range`,但它返回的是时间差而非具体日期时刻[^2]。
这里有一个实例来说明其基本用法:
```python
trange = pd.timedelta_range(start='0 days', end='5 days', freq='D')
print(trange)
```
上述脚本定义了一个从零天到五天之间按日递增的时间差集合[^3]。
#### 对 DataFrame 列应用 Timedelta 偏移量
当处理实际数据集时,经常需要基于现有时间戳字段计算新时间点或者调整已有记录中的时间信息。借助于 Pandas 的强大功能,可以通过如下方式实现这一目标[^4]:
假设存在这样一个场景——给定一张表格包含若干条目及其关联的具体发生时刻;为了模拟延迟效应或者其他业务逻辑需求,可能希望增加固定的时段长度至原始事件发生的瞬间之上形成更新后的版本。
```python
df = pd.DataFrame({'Date': ['2023-09-01', '2023-09-02']})
df['Date'] = pd.to_datetime(df['Date'])
offset = pd.Timedelta(days=7) # 定义七天作为偏移单位
df['New Date'] = df['Date'] + offset
print(df)
```
在这个案例里,原 “Date” 列里的每一个日期都被加上了整整一周之后存入到了新增加的 “New Date” 字段之中[^4]。
---
####
阅读全文
相关推荐


















