PythonPandas 数据分析：3 种方法实现一个实用小功能 |算法|

本文插图
来源：Python与算法社区
本文约883字，建议阅读4分钟。
本文介绍介绍了关于pandas的三个实用小功能。
Pandas 的强大体现在其简洁，解决一些数据分析问题非常方便。
今天解释一个实用的小功能，或许日后工作学习中会用到。
求两列时分(HH:mm)表示数据的分钟数差值。
1 数据作为演示，构造如下四行两列的数据，每一个单元格取值格式为：时分：

本文插图
使用pandas读入数据：使用的 pandas 版本为 0.25.1
df = pd.read_excel('test_date_subtract.xlsx')df

本文插图
2 直觉解法与时间相关，自然第一感觉便是转化为datetime格式，这里需要注意：需要首先将两列转化为 str 类型。
直接使用 astype 转为 str 类型：
df['a'] = df['a'].astype(str)df['b'] = df['b'].astype(str) 然后转化为 datetime 类型：
df['atime'] = pd.to_datetime(df['a'])df['btime'] = pd.to_datetime(df['b'])df

本文插图
然后使用 dt 访问器转化为分钟数：
df['amins'] = df['atime'].dt.hour * 60 + df['atime'].dt.minute df['bmins'] = df['btime'].dt.hour * 60 + df['btime'].dt.minute df

本文插图
最后求分钟数差值：
df['mins'] = df['amins'] - df['bmins'] df

本文插图
【PythonPandas 数据分析：3 种方法实现一个实用小功能】
3 转为 DatetimeIndex转化为 DatetimeIndex 类型后，直接获取 hour 和 minute 属性：
atime = pd.DatetimeIndex(df['a'])btime = pd.DatetimeIndex(df['b'])df['amins'] = atime.hour * 60 + atime.minutedf['bmins'] = btime.hour * 60 + btime.minute df

本文插图
4 使用 split以上方法都不是最高效的，而根据: split 是更加高效的实现。
同样也得先转化为 str 类型：
df['a'] = df['a'].astype(str)df['b'] = df['b'].astype(str) 其次 split：
df['asplit'] = df['a'].str.split(':')df['bsplit'] = df['b'].str.split(':')df 得到结果如下：

本文插图
使用 apply 操作每个元素，转化为分钟数：
df['amins'] = df['asplit'].apply(lambda x: int(x[0])*60 + int(x[1]))df['bmins'] = df['bsplit'].apply(lambda x: int(x[0])*60 + int(x[1]))df

本文插图
5 总结以上就是使用 pandas 三种方法求解时分表示数据的分钟数差值，使用到的 API 包括：