我有一个带有 Timedelta 类型列的 Pandas 数据框。我使用 groupby 和一个单独的月份列来按月创建这些 Timdelta 的组，然后我尝试在触发 agg 的 min, max, mean 列上使用 Timedelta 函数和 DataError: No numeric types to aggregate
作为对此的解决方案，我尝试使用 total_seconds() 函数和 apply() 来获取列的数字表示，但是这种行为对我来说似乎很奇怪，因为我的 NaT 列中的 Timedelta 值被转换为 -9.223372e+09 但是当 NaN 时它们会导致 total_seconds()用于没有 apply() 的标量
一个最小的例子:
test = pd.Series([np.datetime64('nat'),np.datetime64('nat')])
res = test.apply(pd.Timedelta.total_seconds)
print(res)
它产生:
0 -9.223372e+09
1 -9.223372e+09
dtype: float64
然而:
res = test.iloc[0].total_seconds()
print(res)
产量:
nan
由于我希望执行聚合等并传播缺失/无效值，因此需要第二个示例的行为。这是一个错误吗？
最佳答案
您应该使用 .dt.total_seconds() 方法，而不是将 pd.Timedelta.total_seconds 函数应用于 datetime64[ns] dtype 列:
In [232]: test
Out[232]:
0 NaT
1 NaT
dtype: datetime64[ns] # <----
In [233]: pd.to_timedelta(test)
Out[233]:
0 NaT
1 NaT
dtype: timedelta64[ns] # <----
In [234]: pd.to_timedelta(test).dt.total_seconds()
Out[234]:
0 NaN
1 NaN
dtype: float64
另一个演示:
In [228]: s = pd.Series(pd.to_timedelta(['03:33:33','1 day','aaa'], errors='coerce'))
In [229]: s
Out[229]:
0 0 days 03:33:33
1 1 days 00:00:00
2 NaT
dtype: timedelta64[ns]
In [230]: s.dt.total_seconds()
Out[230]:
0 12813.0
1 86400.0
2 NaN
dtype: float64
关于python - 应用 `Pandas.Timedelta.total_seconds` 时的奇怪行为，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/48168209/