我有一個包含幾百萬行的資料框，我想每天計算日期時間格式的兩列之間的差異。
有堆疊溢位問題可以回答這個問題，在時間戳的基礎上計算差異（見這里
在時間戳的基礎上做起來感覺相當快：
df["Differnce"] = (df["end_date"] - df["start_date"]).dt.days
但是每天這樣做感覺很慢：
df["Differnce"] = (df["end_date"].dt.date - df["start_date"].dt.date).dt.days
我想知道是否有一種簡單但更好/更快的方法來達到相同的結果？
示例代碼：
import pandas as pd
import numpy as np
data = {'Condition' :["a", "a", "b"],
'start_date': [pd.Timestamp('2022-01-01 23:00:00.000000'), pd.Timestamp('2022-01-01 23:00:00.000000'), pd.Timestamp('2022-01-01 23:00:00.000000')],
'end_date': [pd.Timestamp('2022-01-02 01:00:00.000000'), pd.Timestamp('2022-02-01 23:00:00.000000'), pd.Timestamp('2022-01-02 01:00:00.000000')]}
df = pd.DataFrame(data)
df["Right_Difference"] = np.where((df["Condition"] == "a"), ((df["end_date"].dt.date - df["start_date"].dt.date).dt.days), np.nan)
df["Wrong_Difference"] = np.where((df["Condition"] == "a"), ((df["end_date"] - df["start_date"]).dt.days), np.nan)
uj5u.com熱心網友回復：
使用Series.dt.to_period，更快的是Series.dt.normalize或Series.dt.floor ：
#300k rows
df = pd.concat([df] * 100000, ignore_index=True)
In [286]: %timeit (df["end_date"].dt.date - df["start_date"].dt.date).dt.days
1.14 s ± 135 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)
In [287]: %timeit df["end_date"].dt.to_period('d').astype('int') - df["start_date"].dt.to_period('d').astype('int')
64.1 ms ± 3 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)
In [288]: %timeit (df["end_date"].dt.normalize() - df["start_date"].dt.normalize()).dt.days
27.7 ms ± 316 μs per loop (mean ± std. dev. of 7 runs, 10 loops each)
In [289]: %timeit (df["end_date"].dt.floor('d') - df["start_date"].dt.floor('d')).dt.days
27.7 ms ± 937 μs per loop (mean ± std. dev. of 7 runs, 10 loops each)
轉載請註明出處，本文鏈接：https://www.uj5u.com/yidong/537890.html
標籤：Python熊猫约会时间