<\/p>\n
Sie k\u00f6nnen die folgende Syntax verwenden, um eine Differenz zwischen zwei Zeiten in einem Pandas-DataFrame zu berechnen:<\/span><\/p>\n In diesem speziellen Beispiel wird die Differenz zwischen den Zeiten in den Spalten end_time<\/strong> und start_time<\/strong> einiger Pandas DataFrame berechnet.<\/span><\/p>\n Das folgende Beispiel zeigt, wie diese Syntax in der Praxis verwendet wird.<\/span><\/p>\n Angenommen, wir haben den folgenden Pandas-DataFrame:<\/span><\/p>\n Mit der folgenden Syntax k\u00f6nnen wir den Zeitunterschied zwischen den Spalten start_time<\/strong> und end_time<\/strong> in Stunden, Minuten und Sekunden berechnen:<\/span><\/span><\/p>\n Die neuen Spalten enthalten die Zeitunterschiede zwischen den Spalten start_time<\/strong> und end_time<\/strong> in unterschiedlichen Einheiten.<\/span><\/p>\n Betrachten Sie zum Beispiel die erste Zeile:<\/span><\/p>\n Beachten Sie, dass in diesem Beispiel die Spalten start_time<\/strong> und end_time<\/strong> bereits als datetime formatiert sind.<\/span><\/p>\n Wenn Ihre Zeitspalten derzeit als Zeichenfolgen formatiert sind, k\u00f6nnen Sie pd.to_datetime<\/strong> verwenden, um zun\u00e4chst jede Spalte in das Datetime-Format zu konvertieren, bevor Sie die Differenz zwischen den Zeiten berechnen:<\/span><\/p>\n Anschlie\u00dfend k\u00f6nnen Sie mit der Berechnung der Zeitunterschiede zwischen den Spalten fortfahren, da diese nun beide in einem Datums-\/Uhrzeitformat vorliegen, das Pandas erkennen k\u00f6nnen.<\/span><\/p>\n In den folgenden Tutorials wird erl\u00e4utert, wie andere g\u00e4ngige Vorg\u00e4nge in Pandas ausgef\u00fchrt werden:<\/span><\/p>\n So erstellen Sie einen Datumsbereich in Pandas<\/a> Sie k\u00f6nnen die folgende Syntax verwenden, um eine Differenz zwischen zwei Zeiten in einem Pandas-DataFrame zu berechnen: #calculate time difference in hours df[‚ hours_diff ‚] = (df. end_time – df. start_time ) \/ pd. Timedelta (hours= 1 ) #calculate time difference in minutes df[‚ min_diff ‚] = (df. end_time – df. start_time ) \/ pd. […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n #calculate time difference in hours\n<\/span>df[' hours_diff<\/span> '] = (df. end_time<\/span> - df. start_time<\/span> ) \/ pd. Timedelta<\/span> (hours= 1<\/span> )\n\n#calculate time difference in minutes\n<\/span>df[' min_diff<\/span> '] = (df. end_time<\/span> - df. start_time<\/span> ) \/ pd. Timedelta<\/span> (minutes= 1<\/span> )\n\n#calculate time difference in seconds\n<\/span>df[' sec_diff<\/span> '] = (df. end_time<\/span> - df. start_time<\/span> ) \/ pd. Timedelta<\/span> (seconds= 1<\/span> )\n<\/strong><\/pre>\n Beispiel: Berechnung der Differenz zwischen zwei Zeiten in Pandas<\/strong><\/span><\/h2>\n
import<\/span> pandas as<\/span> pd\n\n#createDataFrame\ndf=pd. DataFrame<\/span> ({' start_time<\/span> ':pd. date_range<\/span> (start=' 5\/25\/2020<\/span> ', periods= 6<\/span> , freq=' 15min<\/span> '),\n ' end_time<\/span> ':pd. date_range<\/span> (start=' 5\/26\/2020<\/span> ', periods= 6<\/span> , freq=' 30min<\/span> ')})\n\n#view DataFrame\n<\/span>print<\/span> (df)\n\n start_time end_time\n0 2020-05-25 00:00:00 2020-05-26 00:00:00\n1 2020-05-25 00:15:00 2020-05-26 00:30:00\n2 2020-05-25 00:30:00 2020-05-26 01:00:00\n3 2020-05-25 00:45:00 2020-05-26 01:30:00\n4 2020-05-25 01:00:00 2020-05-26 02:00:00\n5 2020-05-25 01:15:00 2020-05-26 02:30:00\n<\/span><\/span><\/strong><\/pre>\n #calculate time difference in hours\n<\/span>df[' hours_diff<\/span> '] = (df. end_time<\/span> - df. start_time<\/span> ) \/ pd. Timedelta<\/span> (hours= 1<\/span> )\n\n#calculate time difference in minutes\n<\/span>df[' min_diff<\/span> '] = (df. end_time<\/span> - df. start_time<\/span> ) \/ pd. Timedelta<\/span> (minutes= 1<\/span> )\n\n#calculate time difference in seconds\n<\/span>df[' sec_diff<\/span> '] = (df. end_time<\/span> - df. start_time<\/span> ) \/ pd. Timedelta<\/span> (seconds= 1<\/span> )\n\n#view updated DataFrame<\/span>\nprint<\/span> (df)\n\n start_time end_time hours_diff min_diff sec_diff\n0 2020-05-25 00:00:00 2020-05-26 00:00:00 24.00 1440.0 86400.0\n1 2020-05-25 00:15:00 2020-05-26 00:30:00 24.25 1455.0 87300.0\n2 2020-05-25 00:30:00 2020-05-26 01:00:00 24.50 1470.0 88200.0\n3 2020-05-25 00:45:00 2020-05-26 01:30:00 24.75 1485.0 89100.0\n4 2020-05-25 01:00:00 2020-05-26 02:00:00 25.00 1500.0 90000.0\n5 2020-05-25 01:15:00 2020-05-26 02:30:00 25.25 1515.0 90900.0\n<\/strong><\/pre>\n\n
#convert columns to datetime format\n<\/span>df[[' start_time<\/span> ', ' end_time<\/span> ']] = df[[' start_time<\/span> ', ' end_time<\/span> ]]. apply<\/span> (pd. to_datetime<\/span> )\n<\/span><\/span><\/strong><\/pre>\n Zus\u00e4tzliche Ressourcen<\/strong><\/span><\/h2>\n
So extrahieren Sie den Monat aus dem Datum in Pandas<\/a>
So konvertieren Sie den Zeitstempel in Pandas in Datum\/Uhrzeit<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"