时间戳

首页 > 解决方案 > Pandas - 如何从 float64 转换为 timedelta 并自定义输出？

python - Pandas - 如何从 float64 转换为 timedelta 并自定义输出？

问题描述

我有一个包含以下列的 DF：

datetime     datetime64[ns]
objid                 int64
delay        timedelta64[ns]

延迟的输出示例是：`

0 days 00:04:59

出于某种原因，当我将此 DF 加载到 dcc.Store 会话变量中时，

data = df.to_json()
return data

并在另一个回调中读回，

df = pd.read_json(data)

它返回以下类型：

datetime    datetime64[ns]
objid                int64
delay               float64

现在和上面的例子一样，延迟输出是：

299000.0

我不确定它为什么返回 float64，而不是 timedelta64（可能是因为一些 NaN？）。

所以我在做：

df['delay'] = pd.to_timedelta(df['delay'], unit='s')

输出是：

P3DT11H3M20S

我理解它与原始结果不同，即使在 iso 格式上也是如此。

我究竟做错了什么？如何从 float64 转换为 timedelta64[s]，并将输出自定义为%d %H:%M:%S？

标签： pythonpandasplotly-dash

解决方案

使用时，日期时间和延迟将更改为毫秒to_json()。使用astype()

import json
d = list(pd.date_range(dt.datetime(2020,7,1), dt.datetime(2020,7,2), freq="15min"))
df = pd.DataFrame({"datetime":d, "objid":[random.randint(0,100) for x in d], "delay":d - np.roll(d, 1)})

print(df.dtypes)
df2 = pd.DataFrame(json.loads(df.to_json()))
print(df2.dtypes)
df2 = df2.astype({"datetime":"datetime64[ms]","delay":"timedelta64[ms]"})
print(df2.dtypes)
print(df2[:10].to_string(index=False))

输出

datetime     datetime64[ns]
objid                 int64
delay       timedelta64[ns]
dtype: object
datetime    int64
objid       int64
delay       int64
dtype: object
datetime     datetime64[ns]
objid                 int64
delay       timedelta64[ns]
dtype: object
           datetime  objid             delay
2020-07-01 00:00:00     59 -1 days +00:00:00
2020-07-01 00:15:00     14   0 days 00:15:00
2020-07-01 00:30:00     42   0 days 00:15:00
2020-07-01 00:45:00     29   0 days 00:15:00
2020-07-01 01:00:00     85   0 days 00:15:00
2020-07-01 01:15:00     37   0 days 00:15:00
2020-07-01 01:30:00     59   0 days 00:15:00
2020-07-01 01:45:00     61   0 days 00:15:00
2020-07-01 02:00:00     63   0 days 00:15:00
2020-07-01 02:15:00     14   0 days 00:15:00

推荐阅读