Python-Pandas之两个日期数据求差（天数差、秒数差等）

在数据帧里面，经常碰到要计算两个时间格式列的天数差，比如用户的活跃天数，我们肯定是用最近登录日期减去用户的下载日期，但是要怎么做呢？

其实很简单，pandas的dataframe是可以直接用列相减的，当然是时间类型和数值类型的才行。数值类型加减乘除不用多说了，基本和数值的加减乘除是一样的。无非就是要对除的列要做一下 replace(np.inf, 0) 处理，这个是防止出现除零的情况，一般是用0替换掉就可以了。

那时间格式的怎么办？

其实时间格式直接相减，会得到一个 np.timedelta64 类型的数据，如：

df['diff_date'] = df['datetime'] - df['last_datetime']
df['diff_date']


"""
得到的结果：
0         0 days 00:10:28.018523
1         0 days 00:03:32.858611
2         0 days 01:03:23.596080
3         0 days 00:02:13.528628
4         0 days 00:04:21.056487
                  ...           
49061     0 days 00:01:20.101328
49062     0 days 00:35:56.992573
49063     0 days 00:00:24.712446
49064     0 days 00:04:17.424946
49065     0 days 00:01:53.180180
Name: diff_date, Length: 49066, dtype: timedelta64[ns]
"""

那这个我们要怎么化成我们需要的值，比如我们要知道两个时间的秒数差，看看每个用户的间隔时间是多久，可以这么做：

# # 计算两个日期的差值
row_index = 45000  # 还是取这一行的数据显示，不要显示全部的了
print('日期1：', df['datetime'].values[row_index], ',日期2：', df['last_datetime'].values[row_index])

df['diff_date_second'] = ((df['datetime'] - df['last_datetime'])/pd.Timedelta(1, 'S')).fillna(0).astype(int)
print('两个日期相差的秒数:', df['diff_date_second'].values[row_index])



"""
这个打印的结果如下：
日期1： 2020-03-24T21:03:42.659895000 ,日期2： 2020-03-24T05:23:54.462034000
两个日期相差的秒数: 56388
"""

我们看到，我把相减的值又除了一个Timedelta，并且按秒去计算，这样我们得到的结果就是秒数了。在后面还跟了一个fillna(0)，意思是万一有空值，就用0填充，即使我们知道没有空值，但我推荐还是这么做一下会好一些。而最后的astype(int)，我需要把这一列当做整数型去做，免得有小数点，这样我们的数据看起来会整洁很多！

那么这个方式的最核心的就是 pd.Timedelta(1, 'S') 了，看到这里我想大家都知道怎么求天数差，小时差，分钟差了吧！原理都一样的，我这里都列举出来吧：

# # 计算两个日期的差值
row_index = 45000
print('日期1：', df['datetime'].values[row_index], ',日期2：', df['last_datetime'].values[row_index])

df['diff_date_second'] = ((df['datetime'] - df['last_datetime'])/pd.Timedelta(1, 'S')).fillna(0).astype(int)
print('两个日期相差的秒数:', df['diff_date_second'].values[row_index])

df['diff_date_minute'] = ((df['datetime'] - df['last_datetime'])/pd.Timedelta(1, 'min')).fillna(0).astype(int)
print('两个日期相差的分钟数:', df['diff_date_minute'].values[row_index])

df['diff_date_hour'] = ((df['datetime'] - df['last_datetime'])/pd.Timedelta(1, 'H')).fillna(0).astype(int)
print('两个日期相差的小时数:', df['diff_date_hour'].values[row_index])

df['diff_date_day'] = ((df['datetime'] - df['last_datetime'])/pd.Timedelta(1, 'D')).fillna(0).astype(int)
print('两个日期相差的天数:', df['diff_date_day'].values[row_index])





"""
打印的结果：
日期1： 2020-03-24T21:03:42.659895000 ,日期2： 2020-03-24T05:23:54.462034000
两个日期相差的秒数: 56388
两个日期相差的分钟数: 939
两个日期相差的小时数: 15
两个日期相差的天数: 0
"""

大家可以自己算算看结果对不对~