pbootcms网站模板|日韩1区2区|织梦模板||网站源码|日韩1区2区|jquery建站特效-html5模板网

    1. <tfoot id='0lVrU'></tfoot>

        <small id='0lVrU'></small><noframes id='0lVrU'>

      1. <legend id='0lVrU'><style id='0lVrU'><dir id='0lVrU'><q id='0lVrU'></q></dir></style></legend>
        • <bdo id='0lVrU'></bdo><ul id='0lVrU'></ul>
        <i id='0lVrU'><tr id='0lVrU'><dt id='0lVrU'><q id='0lVrU'><span id='0lVrU'><b id='0lVrU'><form id='0lVrU'><ins id='0lVrU'></ins><ul id='0lVrU'></ul><sub id='0lVrU'></sub></form><legend id='0lVrU'></legend><bdo id='0lVrU'><pre id='0lVrU'><center id='0lVrU'></center></pre></bdo></b><th id='0lVrU'></th></span></q></dt></tr></i><div class="wysy0m2" id='0lVrU'><tfoot id='0lVrU'></tfoot><dl id='0lVrU'><fieldset id='0lVrU'></fieldset></dl></div>

        Pandas Timedelta 以天為單位

        Pandas Timedelta in Days(Pandas Timedelta 以天為單位)

        <small id='Yckxl'></small><noframes id='Yckxl'>

        <tfoot id='Yckxl'></tfoot>
        <legend id='Yckxl'><style id='Yckxl'><dir id='Yckxl'><q id='Yckxl'></q></dir></style></legend>

        • <i id='Yckxl'><tr id='Yckxl'><dt id='Yckxl'><q id='Yckxl'><span id='Yckxl'><b id='Yckxl'><form id='Yckxl'><ins id='Yckxl'></ins><ul id='Yckxl'></ul><sub id='Yckxl'></sub></form><legend id='Yckxl'></legend><bdo id='Yckxl'><pre id='Yckxl'><center id='Yckxl'></center></pre></bdo></b><th id='Yckxl'></th></span></q></dt></tr></i><div class="ki8og2o" id='Yckxl'><tfoot id='Yckxl'></tfoot><dl id='Yckxl'><fieldset id='Yckxl'></fieldset></dl></div>
            <tbody id='Yckxl'></tbody>
            <bdo id='Yckxl'></bdo><ul id='Yckxl'></ul>

                1. 本文介紹了Pandas Timedelta 以天為單位的處理方法,對大家解決問題具有一定的參考價值,需要的朋友們下面隨著小編來一起學習吧!

                  問題描述

                  我在 pandas 中有一個名為munged_data"的數據框,其中包含兩列entry_date"和dob",我已使用 pd.to_timestamp 將其轉換為時間戳.我試圖弄清楚如何根據時間計算人的年齡'entry_date' 和 'dob' 之間的區別,要做到這一點,我需要得到兩列之間的天數差異(這樣我就可以像 round(days/365.25) 一樣做一些事情.我似乎無法找到一種使用矢量化操作的方法.當我執行 munged_data.entry_date-munged_data.dob 時,我得到以下信息:

                  I have a dataframe in pandas called 'munged_data' with two columns 'entry_date' and 'dob' which i have converted to Timestamps using pd.to_timestamp.I am trying to figure out how to calculate ages of people based on the time difference between 'entry_date' and 'dob' and to do this i need to get the difference in days between the two columns ( so that i can then do somehting like round(days/365.25). I do not seem to be able to find a way to do this using a vectorized operation. When I do munged_data.entry_date-munged_data.dob i get the following :

                  internal_quote_id
                  2                    15685977 days, 23:54:30.457856
                  3                    11651985 days, 23:49:15.359744
                  4                     9491988 days, 23:39:55.621376
                  7                     11907004 days, 0:10:30.196224
                  9                    15282164 days, 23:30:30.196224
                  15                  15282227 days, 23:50:40.261632  
                  

                  但是我似乎無法將天數提取為整數,以便我可以繼續計算.任何幫助表示贊賞.

                  However i do not seem to be able to extract the days as an integer so that i can continue with my calculation. Any help appreciated.

                  推薦答案

                  你需要 0.11 這個(0.11rc1 已經出來了,下周最后的問題)

                  You need 0.11 for this (0.11rc1 is out, final prob next week)

                  In [9]: df = DataFrame([ Timestamp('20010101'), Timestamp('20040601') ])
                  
                  In [10]: df
                  Out[10]: 
                                      0
                  0 2001-01-01 00:00:00
                  1 2004-06-01 00:00:00
                  
                  In [11]: df = DataFrame([ Timestamp('20010101'), 
                                            Timestamp('20040601') ],columns=['age'])
                  
                  In [12]: df
                  Out[12]: 
                                    age
                  0 2001-01-01 00:00:00
                  1 2004-06-01 00:00:00
                  
                  In [13]: df['today'] = Timestamp('20130419')
                  
                  In [14]: df['diff'] = df['today']-df['age']
                  
                  In [16]: df['years'] = df['diff'].apply(lambda x: float(x.item().days)/365)
                  
                  In [17]: df
                  Out[17]: 
                                    age               today                diff      years
                  0 2001-01-01 00:00:00 2013-04-19 00:00:00 4491 days, 00:00:00  12.304110
                  1 2004-06-01 00:00:00 2013-04-19 00:00:00 3244 days, 00:00:00   8.887671
                  

                  最后你需要這個奇怪的應用程序,因為還沒有完全支持 timedelta64[ns] 標量(例如,我們現在如何使用時間戳來處理 datetime64[ns],在 0.12 中)

                  You need this odd apply at the end because not yet full support for timedelta64[ns] scalars (e.g. like how we use Timestamps now for datetime64[ns], coming in 0.12)

                  這篇關于Pandas Timedelta 以天為單位的文章就介紹到這了,希望我們推薦的答案對大家有所幫助,也希望大家多多支持html5模板網!

                  【網站聲明】本站部分內容來源于互聯網,旨在幫助大家更快的解決問題,如果有圖片或者內容侵犯了您的權益,請聯系我們刪除處理,感謝您的支持!

                  相關文檔推薦

                  python: Two modules and classes with the same name under different packages(python:不同包下同名的兩個模塊和類)
                  Configuring Python to use additional locations for site-packages(配置 Python 以使用站點包的其他位置)
                  How to structure python packages without repeating top level name for import(如何在不重復導入頂級名稱的情況下構造python包)
                  Install python packages on OpenShift(在 OpenShift 上安裝 python 包)
                  How to refresh sys.path?(如何刷新 sys.path?)
                  Distribute a Python package with a compiled dynamic shared library(分發帶有已編譯動態共享庫的 Python 包)
                  • <legend id='KtGpI'><style id='KtGpI'><dir id='KtGpI'><q id='KtGpI'></q></dir></style></legend>

                      • <bdo id='KtGpI'></bdo><ul id='KtGpI'></ul>

                          <tbody id='KtGpI'></tbody>

                            <i id='KtGpI'><tr id='KtGpI'><dt id='KtGpI'><q id='KtGpI'><span id='KtGpI'><b id='KtGpI'><form id='KtGpI'><ins id='KtGpI'></ins><ul id='KtGpI'></ul><sub id='KtGpI'></sub></form><legend id='KtGpI'></legend><bdo id='KtGpI'><pre id='KtGpI'><center id='KtGpI'></center></pre></bdo></b><th id='KtGpI'></th></span></q></dt></tr></i><div class="2ugkcy2" id='KtGpI'><tfoot id='KtGpI'></tfoot><dl id='KtGpI'><fieldset id='KtGpI'></fieldset></dl></div>
                          1. <small id='KtGpI'></small><noframes id='KtGpI'>

                            <tfoot id='KtGpI'></tfoot>
                          2. 主站蜘蛛池模板: 水稻烘干机,小麦烘干机,大豆烘干机,玉米烘干机,粮食烘干机_巩义市锦华粮食烘干机械制造有限公司 水环真空泵厂家,2bv真空泵,2be真空泵-淄博真空设备厂 | 结晶点测定仪-润滑脂滴点测定仪-大连煜烁 | 煤矿支护网片_矿用勾花菱形网_缝管式_管缝式锚杆-邯郸市永年区志涛工矿配件有限公司 | 小型玉石雕刻机_家用玉雕机_小型万能雕刻机_凡刻雕刻机官网 | 悬浮拼装地板_篮球场木地板翻新_运动木地板价格-上海越禾运动地板厂家 | 阻燃剂-氢氧化镁-氢氧化铝-沥青阻燃剂-合肥皖燃新材料 | 防水套管厂家-柔性防水套管-不锈钢|刚性防水套管-天翔管道 | 精密五金冲压件_深圳五金冲压厂_钣金加工厂_五金模具加工-诚瑞丰科技股份有限公司 | 检验科改造施工_DSA手术室净化_导管室装修_成都特殊科室建设厂家_医疗净化工程公司_四川华锐 | 数控专用机床,专用机床,自动线,组合机床,动力头,自动化加工生产线,江苏海鑫机床有限公司 | 并网柜,汇流箱,电控设备,中高低压开关柜,电气电力成套设备,PLC控制设备订制厂家,江苏昌伟业新能源科技有限公司 | 郑州律师咨询-郑州律师事务所_河南锦盾律师事务所 | 便携式表面粗糙度仪-彩屏硬度计-分体式粗糙度仪-北京凯达科仪科技有限公司 | 银川美容培训-美睫美甲培训-彩妆纹绣培训-新娘化妆-学化妆-宁夏倍莱妮职业技能培训学校有限公司 临时厕所租赁_玻璃钢厕所租赁_蹲式|坐式厕所出租-北京慧海通 | 专注提供国外机电设备及配件-工业控制领域一站式服务商-深圳市华联欧国际贸易有限公司 | 辽宁资质代办_辽宁建筑资质办理_辽宁建筑资质延期升级_辽宁中杭资质代办 | 广州工业氧气-工业氩气-工业氮气-二氧化碳-广州市番禺区得力气体经营部 | 无锡门窗-系统门窗-阳光房-封阳台-断桥铝门窗厂[窗致美] | 打包钢带,铁皮打包带,烤蓝打包带-高密市金和金属制品厂 | 整车VOC采样环境舱-甲醛VOC预处理舱-多舱法VOC检测环境仓-上海科绿特科技仪器有限公司 | 润滑油加盟_润滑油厂家_润滑油品牌-深圳市沃丹润滑科技有限公司 琉璃瓦-琉璃瓦厂家-安徽盛阳新型建材科技有限公司 | 隧道风机_DWEX边墙风机_SDS射流风机-绍兴市上虞科瑞风机有限公司 | 四川成都干燥设备_回转筒干燥机_脉冲除尘器_输送设备_热风炉_成都川工星科机电设备有限公司 | 冷却塔风机厂家_静音冷却塔风机_冷却塔电机维修更换维修-广东特菱节能空调设备有限公司 | 振动时效_振动时效仪_超声波冲击设备-济南驰奥机电设备有限公司 北京宣传片拍摄_产品宣传片拍摄_宣传片制作公司-现像传媒 | 密集柜_档案密集柜_智能密集架_密集柜厂家_密集架价格-智英伟业 密集架-密集柜厂家-智能档案密集架-自动选层柜订做-河北风顺金属制品有限公司 | 齿轮减速机_齿轮减速电机-VEMT蜗轮蜗杆减速机马达生产厂家瓦玛特传动瑞环机电 | MVR蒸发器厂家-多效蒸发器-工业废水蒸发器厂家-康景辉集团官网 | 车间除尘设备,VOCs废气处理,工业涂装流水线,伸缩式喷漆房,自动喷砂房,沸石转轮浓缩吸附,机器人喷粉线-山东创杰智慧 | 接地电阻测试仪[厂家直销]_电缆故障测试仪[精准定位]_耐压测试仪-武汉南电至诚电力设备 | 高清视频编码器,4K音视频编解码器,直播编码器,流媒体服务器,深圳海威视讯技术有限公司 | 破碎机_上海破碎机_破碎机设备_破碎机厂家-上海山卓重工机械有限公司 | 雾度仪_雾度计_透光率雾度仪价格-三恩时(3nh)光电雾度仪厂家 | 带锯机|木工带锯机圆木推台锯|跑车带锯机|河北茂业机械制造有限公司| | 压缩空气检测_气体_水质找上海京工-服务专业、价格合理 | 拉伸膜,PE缠绕膜,打包带,封箱胶带,包装膜厂家-东莞宏展包装 | 骨龄仪_骨龄检测仪_儿童骨龄测试仪_品牌生产厂家【品源医疗】 | 搪瓷反应釜厂家,淄博搪瓷反应釜-淄博卓耀| ptc_浴霸_大巴_干衣机_呼吸机_毛巾架_电动车加热器-上海帕克 | YJLV22铝芯铠装电缆-MYPTJ矿用高压橡套电缆-天津市电缆总厂 | 家乐事净水器官网-净水器厂家「官方」 |