pd.Timedelta 是 Pandas 库中用于表示时间间隔或时间差异的数据类型。它类似于 Python 标准库中的 timedelta 类型，但具有更多的功能和灵活性。pd.Timedelta 主要用于在 Pandas 数据框中处理时间间隔数据。
以下是一些常见的用法和属性：
- 创建 Timedelta 对象：你可以使用不同的单位（如天、小时、分钟、秒等）来创建 Timedelta 对象。例如：
import pandas as pd
# 创建一个 Timedelta 对象，表示2天
td = pd.Timedelta(days=2)
print(td)- 支持基本算术运算：你可以执行加法、减法和其他算术运算来处理 Timedelta 对象。例如：
td1 = pd.Timedelta(days=2)
td2 = pd.Timedelta(hours=3)
# 加法
result = td1 + td2
print(result) # 输出 2 days 03:00:00
# 减法
result = td1 - td2
print(result) # 输出 1 days 21:00:00- 字符串表示：Timedelta 对象可以以人类可读的方式进行字符串表示，包括天、小时、分钟和秒。例如：
td = pd.Timedelta(days=2, hours=3, minutes=30)
print(td) # 输出 2 days 03:30:00- 属性访问：你可以访问 Timedelta 对象的各种属性，如
days、seconds、microseconds、nanoseconds、total_seconds()等来获取具体的时间间隔信息。
td = pd.Timedelta(days=2, hours=3, minutes=30)
print(td.days) # 输出 2
print(td.seconds) # 输出 12600
print(td.total_seconds()) # 输出 183600.0- Timedelta 运算与数据框操作：Timedelta 对象通常用于进行时间计算，特别是在处理时间序列数据时。你可以将 Timedelta 对象与 Pandas 数据框一起使用，以进行时间索引、筛选和分析。
import pandas as pd
data = {'start_date': ['2023-09-01', '2023-09-02'],
'end_date': ['2023-09-05', '2023-09-08']}
df = pd.DataFrame(data)
# 将日期列转换为日期时间类型
df['start_date'] = pd.to_datetime(df['start_date'])
df['end_date'] = pd.to_datetime(df['end_date'])
# 计算时间间隔
df['duration'] = df['end_date'] - df['start_date']
# 查看结果
print(df)pd.Timedelta 在处理时间数据和时间间隔数据时非常有用，使你能够轻松执行各种时间操作和计算。