Nano Hash - криптовалюты, майнинг, программирование

изменить дату на основе полуночного времени

у меня есть кадр данных, который содержит 3 столбца для даты и времени: дата, время отправления и время прибытия. я хочу сделать два столбца даты и времени (время отправления и время прибытия) с помощью панд, поэтому я использую функцию to_datetime.

поскольку столбец даты основан только на времени отправления, в некоторых случаях время отправления составляет около 23:00, а время прибытия - после 24:00, но дата остается прежней. например:

дата и время отправления: 12.01.2017 23:58:00 время прибытия 12.01.2017 00:30:00

как я могу написать функцию, которая будет обновлять день до следующего дня, если время прибытия после полуночи? (в примере это должно быть время прибытия 12.02.2017)

Благодарность

python pandas datetime time-series
08.02.2018

  • Как это работает? 09.02.2018
  • Я не уверен, что полностью понимаю, как работает функция маски, но я попробовал, и она сработала отлично! спасибо! 09.02.2018
  • Это работает очень просто - добавьте 1 день pd.Timedelta(1, unit='d') только для строк, где логическая маска m равна True. Так что только для первых строк добавляется день, для вторых нет. 09.02.2018
  • Если мой ответ был полезен, не забудьте принять его — нажмите на галочку (✓) рядом с ответом, чтобы переключить он из серого в заполненный. Спасибо. 09.02.2018

Ответы:


1

Я думаю, вы можете проверить разницу ниже 0 Timedelta и по маске добавить один день:

print (df)
           depart time          arrive time
0  01/12/2017 23:58:00  01/12/2017 00:30:00
1  01/12/2017 00:30:00  01/12/2017 23:58:00


df['depart time'] = pd.to_datetime(df['depart time'], dayfirst=True)
df['arrive time'] = pd.to_datetime(df['arrive time'], dayfirst=True)

m = (df['arrive time'] - df['depart time']) < pd.Timedelta(0)

Еще одно условие должно быть:

m = (df['depart time'] - df['arrive time']).dt.days != -1

print (m)
0     True
1    False
dtype: bool

df['arrive time'] = df['arrive time'].mask(m, df['arrive time'] + pd.Timedelta(1, unit='d'))
print (df)
          depart time         arrive time
0 2017-12-01 23:58:00 2017-12-02 00:30:00
1 2017-12-01 00:30:00 2017-12-01 23:58:00
08.02.2018
Новые материалы
Кластеризация: более глубокий взгляд
Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..
Как написать эффективное резюме
Предложения по дизайну и макету, чтобы представить себя профессионально Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..
Частный метод Python: улучшение инкапсуляции и безопасности
Введение Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..
Как я автоматизирую тестирование с помощью Jest
Шутка для победы, когда дело касается автоматизации тестирования Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..
Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv) Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..
Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..
Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..