pd.to_timedelta

将参数转换为timedelta，Timedelta在pandas中是一个表示两个datetime值之间的差(如日,秒和微妙)的类型,2个Datetime数据运算相减得出的结果就是一个Timedelta数据类型

pandas.to_timedelta(arg, unit=None, errors=‘raise‘)

参数：

• arg：str, timedelta, list-like or Series，要转换为timedelta的数据
• unit：str, optional，可选，表示数字arg的arg单位。默认为"ns"，在版本1.1.0中更改：arg上下文字符串和 时不能指定errors="raise"

• ‘W’

• ‘D’ / ‘days’ / ‘day’

• ‘hours’ / ‘hour’ / ‘hr’ / ‘h’

• ‘m’ / ‘minute’ / ‘min’ / ‘minutes’ / ‘T’

• ‘S’ / ‘seconds’ / ‘sec’ / ‘second’

• ‘ms’ / ‘milliseconds’ / ‘millisecond’ / ‘milli’ / ‘millis’ / ‘L’

• ‘us’ / ‘microseconds’ / ‘microsecond’ / ‘micro’ / ‘micros’ / ‘U’

• ‘ns’ / ‘nanoseconds’ / ‘nano’ / ‘nanos’ / ‘nanosecond’ / ‘N’
• errors：{‘ignore’, ‘raise’, ‘coerce’}, default ‘raise’，

• 如果为“ raise”，则无效的解析将引发异常。

• 如果为“强制”，则将无效解析设置为NaT。

• 如果为“ ignore”，则无效的解析将返回输入。

返回：

timedelta64 or numpy.array of timedelta64

例子

将单个字符串解析为Timedelta

pd.to_timedelta(‘1 days 06:05:01.00003‘)
#Timedelta(‘1 days 06:05:01.000030‘)
pd.to_timedelta(‘15.5us‘)
#Timedelta(‘0 days 00:00:00.000015500‘)

解析字符串列表或数组

pd.to_timedelta([‘1 days 06:05:01.00003‘, ‘15.5us‘, ‘nan‘])
#TimedeltaIndex([‘1 days 06:05:01.000030‘, ‘0 days #00:00:00.000015500‘, NaT],
#              dtype=‘timedelta64[ns]‘, freq=None)

通过指定unit关键字参数来转换数字

pd.to_timedelta(np.arange(5), unit=‘s‘)
‘‘‘
TimedeltaIndex([‘0 days 00:00:00‘, ‘0 days 00:00:01‘, ‘0 days 00:00:02‘,
                ‘0 days 00:00:03‘, ‘0 days 00:00:04‘],
               dtype=‘timedelta64[ns]‘, freq=None)
‘‘‘
pd.to_timedelta(np.arange(5), unit=‘d‘)
‘‘‘
TimedeltaIndex([‘0 days‘, ‘1 days‘, ‘2 days‘, ‘3 days‘, ‘4 days‘],
               dtype=‘timedelta64[ns]‘, freq=None)
‘‘‘

pd.to_timedelta() 将参数转换为timedelta计算时间差

原文：https://www.cnblogs.com/cgmcoding/p/13714183.html