Skip to main content
 首页 » 编程设计

python之在 python pandas 中通过索引减去数据帧(python pandas)的行的最有效方法是什么

2025年05月04日14think

我有一个像这样的数据框 Pandas :

cEventID    arrivalTime 
1167533  
1167541 2015-07-14 04:01:21 
1167545 2015-07-14 04:03:20 
1167549 2015-07-14 04:07:45 
1167552 2015-07-14 04:10:21 
1167553 2015-07-14 04:13:39 
1167558 2015-07-14 04:15:58 
1167561 2015-07-14 04:20:23 

我需要减去一个事件与另一个事件之间的时间,结果将是:

EventID arrivalTime diff time 
1167541 2015-07-14 04:01:21 0 
1167545 2015-07-14 04:03:20 00:01:59 
1167549 2015-07-14 04:07:45 00:04:25 
1167552 2015-07-14 04:10:21 00:02:36 
1167553 2015-07-14 04:13:39 00:03:18 
1167558 2015-07-14 04:15:58 00:02:19 
1167561 2015-07-14 04:20:23 00:04:25 

我通过一个关于 pandas 数据帧的 for 循环得到了这个结果,其中 for index, row in datos.iterrows():。我的功能是:

def llegadas(datos, estacion):      
    datos = datos        
    lista = [] 
    filas = [] 
    segundos = [] 
    for index, row in datos.iterrows(): 
        if index == 0:  
            lista.append('00:00:00')   
            filas.append(row) 
        else: 
            ii = filas[len(filas)-1][6]  
            ff = datos['arrivalTime'][index] 
            deltat = str( dt.datetime.strptime(ff, '%Y-%m-%d %H:%M:%S') - dt.datetime.strptime(ii, '%Y-%m-%d %H:%M:%S') ) 
            lista.append(deltat) 
            filas.append(row) 
 
    df1 = pd.DataFrame(lista) 
    frames = [datos, df1] 
    datos = pd.concat(frames, axis=1) 
    datos.rename(columns={0:'dif_tiempo'}, inplace=True) 
    return datos 

请提出一种提高函数效率的方法。

非常感谢您。

请您参考如下方法:

使用diff与 fillna :

In [4]: 
df['diff time'] = df['arrivalTime'].diff().fillna(0) 
df 
 
Out[4]: 
   cEventID         arrivalTime  diff time 
0   1167533                 NaT   00:00:00 
1   1167541 2015-07-14 04:01:21   00:00:00 
2   1167545 2015-07-14 04:03:20   00:01:59 
3   1167549 2015-07-14 04:07:45   00:04:25 
4   1167552 2015-07-14 04:10:21   00:02:36 
5   1167553 2015-07-14 04:13:39   00:03:18 
6   1167558 2015-07-14 04:15:58   00:02:19 
7   1167561 2015-07-14 04:20:23   00:04:25