类型错误：无法从 ndarray 中减去 DatetimeArray

Question

我的数据框中有两列 - 开始日期和完成日期（它是时间戳）。我想通过找出差异来计算运行时间。当我运行下面的代码时，出现错误：TypeError: cannot subtract DatetimeArray from ndarray。我也无法将完成日期列拆分为日期和时间，以便我可以以另一种方式计算运行时间。

# calculate runtime 
pd.to_datetime(df.start_date)
pd.to_datetime(df.finish_date)

diff = pd.to_datetime(df.finish_date) - pd.to_datetime(df.start_date)

数据框如下所示： df

file_name                unique_id                                      start_date                         finish_date
        
file1         1716b94a8d8d83c8fffe4bdd14d536ae1ee9cba6bf17e6...   2020-09-03T16:18:38.929863799Z          2020-09-03T16:20:17.615093582Z
        
file2         87ff84ab119b798312230fceb3a8730fe74669a373650a...   2020-09-03T16:26:25.075167073Z          2020-09-04T00:04:39.702686798Z

我怎么能够 -

1. 要么找到完成日期和开始日期之间的差异？
2. 将列拆分为日期和时间。

Answer 1

假设您要计算日期之间的天数，那么这是一种解决方案：

import datetime as dt
diff = (pd.to_datetime(df.finish_date) - pd.to_datetime(df.start_date)).dt.days

编辑

另一种选择是

Start = pd.to_datetime(df.finish_date)
End  = pd.to_datetime(df.start_date)
End.subtract(Start)

示例：这里我选择计算 df 中的日期与现在之间的差异。

metric_id device_id            timestamp  cpu_5min  vol_max
0          device_1  2020-12-04 05:15:00     116.0    734.0
1          device_1  2020-12-04 05:30:00     213.0    325.0
2          device_1  2020-12-04 05:35:00     427.0    668.0
3          device_2  2020-12-04 05:15:00     540.0      NaN
4          device_2  2020-12-04 05:30:00     127.0      NaN
5          device_2  2020-12-04 05:35:00     654.0      NaN

和

df['tDATE'] = pd.to_datetime(df['timestamp'])
df['DIFF1'] = (df['tDATE'] - dt.datetime.now()).dt.days  #method 11
df['DIFF2'] = df['tDATE'].subtract(dt.datetime.now()) #method2

返回

metric_id device_id            timestamp  cpu_5min  vol_max  \
0          device_1  2020-12-04 05:15:00     116.0    734.0   
1          device_1  2020-12-04 05:30:00     213.0    325.0   
2          device_1  2020-12-04 05:35:00     427.0    668.0   
3          device_2  2020-12-04 05:15:00     540.0      NaN   
4          device_2  2020-12-04 05:30:00     127.0      NaN   
5          device_2  2020-12-04 05:35:00     654.0      NaN   

metric_id               tDATE  difd  DIFF1                     DIFF2  
0         2020-12-04 05:15:00   -14    -14 -14 days +22:13:26.627607  
1         2020-12-04 05:30:00   -14    -14 -14 days +22:28:26.627607  
2         2020-12-04 05:35:00   -14    -14 -14 days +22:33:26.627607  
3         2020-12-04 05:15:00   -14    -14 -14 days +22:13:26.627607  
4         2020-12-04 05:30:00   -14    -14 -14 days +22:28:26.627607  
5         2020-12-04 05:35:00   -14    -14 -14 days +22:33:26.627607  

编辑：使用时间戳

从您下面的评论中可以看出，由于您正在使用此时间戳，所以上面的示例显然需要准备。请注意，这就是为什么在提出问题时提供足够的信息很重要（例如，您正在处理什么类型的数据）。当涉及到日期时，这一点甚至更加重要，因为有多种格式。这是您在评论中给出的日期格式的示例：

import datetime as dt

Date = '2020-09-03T16:18:38.929863799Z'
Date2  = '2020-10-03T16:18:38.929863799Z'

你这里有的是Timestamps，所以你的第一步是将它们转换为datetime然后使用to_pydate（它曾经被调用Timestamp.to_datetime()，但现在已被弃用。

Date = pd.to_datetime(Date)
Date2  = pd.to_datetime(Date2)

DATE_1 = Date.to_pydatetime()
DATE_2 = Date2.to_pydatetime()

之后你可以计算差异

DIFF = (pd.to_datetime(DATE_1) -pd.to_datetime(DATE_2))

这是Timedelta('-30 days +00:00:00')