带有pandas的日期时间对象意味着功能

Question

我是编程新手，所以如果这个问题没有任何意义，我会事先道歉。我注意到当我尝试使用如下格式的日期时间对象计算pandas数据帧的平均值时：datetime.datetime（2014,7,10），它无法计算它的平均值，但它似乎是能够在没有问题的情况下计算同一数据帧的最小值和最大值。

d={'one' : Series([1, 2, 3], index=['a', 'b', 'c']), 'two' :Series([datetime.datetime(2014, 7, 9) , datetime.datetime(2014, 7, 10) , datetime.datetime(2014, 7, 11) ], index=['a', 'b', 'c'])}
df=pd.DataFrame(d)

df
Out[18]: 
      one        two    
   a    1 2014-07-09
   b    2 2014-07-10
   c    3 2014-07-11

df.min()
Out[19]: 
   one             1
   two    2014-07-09
dtype: object

df.mean()
Out[20]: 
   one    2
dtype: float64

我注意到min和max函数将所有列转换为对象，而mean函数只输出浮点数。任何人都可以向我解释为什么平均功能只能处理浮动？我有另一种方法来获取具有日期时间对象的数据框的平均值吗？我可以通过使用纪元时间（作为整数）来解决它，但如果有直接的方法会很方便。我使用Python 2.7

我很感激任何提示。

Answer 1

您可以使用datetime.timedelta

import functools
import operator

d={'one' : Series([1, 2, 3], index=['a', 'b', 'c']), 'two' :Series([datetime.datetime(2014, 7, 9) , datetime.datetime(2014, 7, 10) , datetime.datetime(2014, 7, 11) ], index=['a', 'b', 'c'])}
df = pd.DataFrame(d)

def avg_datetime(series):
    dt_min = series.min()
    deltas = [x-dt_min for x in series]
    return dt_min + functools.reduce(operator.add, deltas) / len(deltas)

print(avg_datetime(df['two']))

Answer 2

为了简化Alex的答案（我会将其添加为评论，但我没有足够的声誉）：

import datetime
import pandas as pd

d={'one': pd.Series([1, 2, 3], index=['a', 'b', 'c']), 
   'two': pd.Series([datetime.datetime(2014, 7, 9), 
           datetime.datetime(2014, 7, 10), 
           datetime.datetime(2014, 7, 11) ], 
           index=['a', 'b', 'c'])}
df = pd.DataFrame(d)

看起来像：

   one   two
a   1   2014-07-09
b   2   2014-07-10
c   3   2014-07-11

然后通过以下方式计算列“二”的平均值：

(df.two - df.two.min()).mean() + df.two.min()

因此，减去时间序列的最小值，计算得到的时间值的平均值（或中值），并加上最小值。