Я пытаюсь исследовать метод времени полосы Python, чтобы разложить время, представленное как 11: 49: 57,74. Стандартные %H, %M, %S умеют разлагать часы, минуты, секунды. Однако, поскольку данные представляют собой строку (которая берется в столбце python pandas в качестве объекта типа данных, миллисекунды после десятичной секунды остаются неинтерпретированными. Следовательно, я получаю сообщение об ошибке. Может кто-нибудь посоветовать, как разобрать пример, чтобы секунды и микросекунды правильно интерпретируются из строки времени?Я бы тогда использовал их, чтобы найти дельту времени между двумя отметками времени.
метод datetime strptime для формата HH:MM:SS.MICROSECOND
26.02.2019
- Не могли бы вы поделиться тем, что вы пробовали? И поделитесь примером, чтобы понять, что именно вам нужно? Спасибо. 26.02.2019
Ответы:
1
Не знаю, правильно ли я понял ваш вопрос.
Итак, чтобы преобразовать это строковое время в дату и время и вычислить временную дельту между двумя временами, вам нужно сделать следующее:
timedelta = str() #declare an empty string where save the timedelta
my_string = '11:49:57.74' # first example time
another_example_time = '13:49:57.74' #second example time, invented by me for the example
first_time = datetime.strptime(my_string, "%H:%M:%S.%f") # extract the first time
second_time = datetime.strptime(another_example_time , "%H:%M:%S.%f") # extract the second time
#calculate the time delta
if(first_time > second_time):
timedelta = first_time - second_time
else:
timedelta = second_time - first_time
print "The timedelta between %s and %s is: %s" % (first_time, second_time, timedelta)
Здесь, очевидно, у вас нет даты, поэтому библиотека datetime по умолчанию использует 1900-01-01, как вы можете видеть в результате печати:
The timedelta between 1900-01-01 11:49:57.740000 and 1900-01-01 13:49:57.740000 is: 2:00:00
Я надеюсь, что это решение то, что вам нужно. В следующий раз предоставьте немного больше информации, пожалуйста, или поделитесь примером с кодом, который вы пытались написать.
26.02.2019
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..