一道Pandas面试题:三种实现方法
Crossin的编程教室
共 1654字,需浏览 4分钟
· 2020-09-12
Pandas 是一个强大的数据处理和分析库,简洁是其一大特点,解决一些数据分析问题非常方便。
今天分享一个实用的小功能,这是我在工作中遇到的实际问题,也常被我拿来面试团队的新人:
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
![](https://filescdn.proginn.com/7ad50c57682357447e702c578737390b/573faa6eb325156cea6511314d9df7e2.webp)
使用pandas读入数据:
df = pd.read_excel('test_date_subtract.xlsx')
df
![](https://filescdn.proginn.com/bae3b4d08c980535a8991284a269bd95/9a57f1d49d4f0f77f0ed1b347966731d.webp)
在往下阅读我的参考解法之前,大家可以自己想一想,如果是你会怎么处理这个问题?
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
![](https://filescdn.proginn.com/6fcb357c9980cdcd2d20d3ef868e2f56/e009c8442c418bb8e561d051264e7544.webp)
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
![](https://filescdn.proginn.com/d6e351900d2b28c8c38fe41bc62527af/c34395e0339d415e8fabfb6c61ce6b67.webp)
最后求分钟数差值:
df['mins'] = df['amins'] - df['bmins']
df
![](https://filescdn.proginn.com/bd128e18cd9ed5a0268358252e01cdb7/43a556fd9a47fcf7b8837ea63a29405c.webp)
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.minute
df['bmins'] = btime.hour * 60 + btime.minute
df
![](https://filescdn.proginn.com/666f72294b28a8b2923798a6b66dabc7/24c3fbff5baf73135bf3e4e8a5d853c8.webp)
4 使用 split
以上方法都不是最高效的,而根据:
字符 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:
![](https://filescdn.proginn.com/cfc1c4d82b2dff9134943fc828d37242/180267e9559c137d479f14c7d9ba28b8.webp)
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
![](https://filescdn.proginn.com/166578a5da3e8421606515f1718910d1/054b628c6bc8a4016c86e7e8487aa983.webp)
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:
to_datetime 转化为日期时间 datetime 类型列的 dt 访问器 DatetimeIndex 类型,带有 hour, minute 等属性 Series.astype 为某个类型 Series.str.split 分隔字符串 Series.apply 操作到元素级
来源:Python与算法社区
_往期文章推荐_
评论