将DatetimeIndex转换为Timedelta索引

Question

假设：

ts = pd.to_datetime(['2014-01-08 08:00:42',
                     '2014-01-08 08:01:00',
                     '2014-01-08 08:01:12'])

有没有一种规定的方法可以得到每个元素之间的时间差（最好使用total_seconds属性）的结果？

我现在的方法似乎过于冗长：

pd.Index((pd.Series(ts) - pd.Series(ts).shift())).total_seconds()
# Float64Index([nan, 18.0, 12.0], dtype='float64')

我并不关心最终的数据结构类型，无论它是列表、索引还是序列。

- Brad Solomon

---

ts.to_series().diff().dt.total_seconds().values? - Zero

@Zero为什么不提交答案？ - Scott Boston

Answer 1

您可以这样使用np.diff。

np.diff(ts.values).astype(int) / 1E9

array([ 18.,  12.])

或者

np.append(np.nan, np.diff(ts.values).astype(int) / 1E9)

array([ nan,  18.,  12.])

- piRSquared

---

我在前面添加了一个 np.nan 但增加了冗长性。 - piRSquared

你需要 np.append(np.nan, (np.diff(ts.values) // 1E9).astype(int)) 是吗？ - Zero

既然我们在这里，也许可以这样做：[np.nan] + (np.diff(ts.values) // 1E9).tolist()？ - Zero

我认为你的第一个建议和我提出的没有区别。我使用 astype(int) 强制转换为整数，以避免 timedelta[ns] 计时单位。之后，我觉得进行强制转换的顺序不会影响最终结果。对于你的第二个建议，如果没有经过测试，我不能确定...但我愿意打赌这会有性能损失。 - piRSquared

啊，np.diff(ts.values).astype(int) // 1E9 给了我 array([ 0., -1.])，因此要求移动 astype。 - Zero