在新的 pandas 数据框列中以年、月等计算日期时间差异

Question

我有一个 pandas 数据框，如下所示：

Name    start        end
A       2000-01-10   1970-04-29

我想添加一个新列，提供 start 和 end 列之间的年、月、日差异。

所以结果应该是这样的：

Name    start        end          diff
A       2000-01-10   1970-04-29   29y9m etc.

diff 列也可以是 datetime 对象或 timedelta 对象，但对我来说关键是，我可以轻松获得 Year和月份。

到目前为止我尝试的是：

df['diff'] = df['end'] - df['start']

这导致包含 10848 days 的新列。但是，我不知道如何将天数转换为 29y9m 等

Answer 1

一个简单的功能就可以达到你的目标。

函数计算年差和月差，计算简单

import pandas as pd
import datetime

def parse_date(td):
    resYear = float(td.days)/364.0                   # get the number of years including the the numbers after the dot
    resMonth = int((resYear - int(resYear))*364/30)  # get the number of months, by multiply the number after the dot by 364 and divide by 30.
    resYear = int(resYear)
    return str(resYear) + "Y" + str(resMonth) + "m"

df = pd.DataFrame([("2000-01-10", "1970-04-29")], columns=["start", "end"])
df["delta"] = [parse_date(datetime.datetime.strptime(start, '%Y-%m-%d') - datetime.datetime.strptime(end, '%Y-%m-%d')) for start, end in zip(df["start"], df["end"])]
print df

        start         end  delta
0  2000-01-10  1970-04-29  29Y9m

Answer 2

使用 relativedelta 非常简单：

from dateutil import relativedelta

>>          end      start
>> 0 1970-04-29 2000-01-10

for i in df.index:
    df.at[i, 'diff'] = relativedelta.relativedelta(df.ix[i, 'start'], df.ix[i, 'end'])

>>          end      start                                           diff
>> 0 1970-04-29 2000-01-10  relativedelta(years=+29, months=+8, days=+12)

Answer 3

你可以试试下面的函数来计算差值-

def yearmonthdiff(row):
    s = row['start']
    e = row['end']
    y = s.year - e.year
    m = s.month - e.month
    d = s.day - e.day
    if m < 0:
        y = y - 1
        m = m + 12
    if m == 0:
        if d < 0:
            m = m -1
        elif d == 0:
            s1 = s.hour*3600 + s.minute*60 + s.second
            s2 = e.hour*3600 + e.minut*60 + e.second
            if s1 < s2:
                m = m - 1
    return '{}y{}m'.format(y,m)

其中 row 是数据框 row 。我假设您的 start 和 end 列是 datetime 对象。然后你可以使用 DataFrame.apply() 函数将它应用到每一行。

df

Out[92]:
                       start                        end
0 2000-01-10 00:00:00.000000 1970-04-29 00:00:00.000000
1 2015-07-18 17:54:59.070381 2014-01-11 17:55:10.053381

df['diff'] = df.apply(yearmonthdiff, axis=1)

In [97]: df
Out[97]:
                       start                        end   diff
0 2000-01-10 00:00:00.000000 1970-04-29 00:00:00.000000  29y9m
1 2015-07-18 17:54:59.070381 2014-01-11 17:55:10.053381   1y6m

Answer 4

我认为这是最'pandas'的方法，无需使用任何 for 循环或定义外部函数：

>>> df = pd.DataFrame({'Name': ['A'], 'start': [datetime(2000, 1, 10)], 'end': [datetime(1970, 4, 29)]})
>>> df['diff'] = map(lambda td: datetime(1, 1, 1) + td, list(df['start'] - df['end']))
>>> df['diff'] = df['diff'].apply(lambda d: '{0}y{1}m'.format(d.year - 1, d.month - 1))
>>> df
  Name        end      start   diff
0    A 1970-04-29 2000-01-10  29y8m

由于 pandas'timedelda64 不允许对日期时间对象进行简单添加，因此不得不使用 map 而不是 apply。

Answer 5

与@DeepSpace 的回答类似，这是一个类似 SAS 的实现：

import pandas as pd
from dateutil import relativedelta

def intck_month( start, end ):
    rd = relativedelta.relativedelta( pd.to_datetime( end ), pd.to_datetime( start ) )
    return rd.years, rd.months

用法：

>> years, months = intck_month('1960-01-01', '1970-03-01')
>> print(years)
10
>> print(months)
2

Answer 6

一种更简单的方法是使用 date_range 函数并计算其长度

startdt=pd.to_datetime('2017-01-01')
enddt = pd.to_datetime('2018-01-01')
len(pd.date_range(start=startdt,end=enddt,freq='M'))

Answer 7

您可以尝试以这种方式创建一个包含年份的新列：

df['diff_year'] = df['diff'] / np.timedelta64(1, 'Y')

Answer 8

你实际上做的是减去日期，然后你得到天数，将天数转换成一个字符串并用“”分割，从结果列表中，天数是列表中的第一项。将其转换为整数并除以 365。

ad['yrs']=(ad.last_dt-ad.dt).apply(lambda x: str(x).split(' ')[0]).apply(lambda x: int(x)/365)

在新的 pandas 数据框列中以年、月等计算日期时间差异

calculate datetime-difference in years, months, etc. in a new pandas dataframe column

python

datetime

timedelta

pandas