熊猫日期时间的自动识别

Question

我正试图减去两个时刻表，以得到时间上的差异。

train.csv中的源数据如下所示

id,vendor_id,pickup_datetime,dropoff_datetime
id2875421,2,2016-03-14 17:24:55,2016-03-14 17:32:30
id2377394,1,2016-06-12 00:43:35,2016-06-12 00:54:38

我的代码是

train = pd.read_csv('./train.csv')
out = train.dropoff_datetime[0:5] - train.dropoff_datetime[0:5]

我得到了一个错误，结果是：

TypeError: unsupported operand type(s) for -: 'str' and 'str'

这大概是因为datetime列被存储为对象或字符串，而不是日期时间对象。在一些装置中，熊猫能够自动识别这样的日期列。这是怎么安排的？我的经验是，熊猫无法预测地以不同的格式识别日期列。我做错了什么？提前谢谢。

我正在使用Python3.6和熊猫0.20在一个jupyter笔记本。

Answer 1

在熊猫中，不指定日期时间列的自动解析是不可能的。

您需要定义列，以便按参数parse_dates中的read_csv中的位置解析日期时间。

train = pd.read_csv('./train.csv', parse_dates=[2,3])

或按列名称：

train = pd.read_csv('./train.csv', parse_dates=['pickup_datetime','dropoff_datetime'])

print (train.dtypes)
id                          object
vendor_id                    int64
pickup_datetime     datetime64[ns]
dropoff_datetime    datetime64[ns]
dtype: object

out=train.dropoff_datetime[0:5]-train.pickup_datetime[0:5]
print (out)
0   00:07:35
1   00:11:03
dtype: timedelta64[ns]

新列：

train['difference']=train.dropoff_datetime-train.pickup_datetime
print (train)
          id  vendor_id     pickup_datetime    dropoff_datetime difference
0  id2875421          2 2016-03-14 17:24:55 2016-03-14 17:32:30   00:07:35
1  id2377394          1 2016-06-12 00:43:35 2016-06-12 00:54:38   00:11:03

Answer 2

train = pd.read_csv('./train.csv')
>>>> train.assign(out=pd.to_datetime(train.dropoff_datetime) - pd.to_datetime(train.pickup_datetime))
          id  vendor      pickup_datetime     dropoff_datetime      out
0  id2875421       1  2016-03-14 17:24:55  2016-03-14 17:32:30 00:07:35
1  id2377394       2  2016-06-12 00:43:35  2016-06-12 00:54:38 00:11:03

Answer 3

吉兹拉尔的回答是好的。

另外，以下内容也将有效。

train = pd.read_csv('./train.csv')
train['dropoff_datetime'] = pd.to_datetime(train.dropoff_datetime)
train['pickup_datetime'] = pd.to_datetime(train.pickup_datetime)