Pandas Python считает минуты

Question

Я пытаюсь использовать pandas / python для загрузки кадра данных и подсчета минут простоя, которые происходят между 0900-2100. Я пытался получить это за сайт, но смог получить только сумму. Пример кадра данных ниже. Я пытаюсь получить данные в третьем столбце:

import pandas as pd
from pandas import Timestamp
import pytz
from pytz import all_timezones
import datetime
from datetime import time
from threading import Timer
import time as t
import xlrd
import xlwt
import numpy as np
import xlsxwriter

data = pd.read_excel('lab.xlsx')

data['outage'] = data['Down'] - data['Down']
data['outage'] = data['Down']/np.timedelta64(1,'m')

s = data.apply(lambda row: pd.date_range(row['Down'], row['Up'], freq='T'), axis=1).explode()

#returns total amount of downtime between 9-21 but not by site
total = s.dt.time.between(time(9), time(21)).sum()  

#range of index[0] for s 
slist = range(0, 20) 

#due to thy this loop itterates, it returns the number of minutes between down and up 
for num in slist:
    Duration = s[num].count()
    print(Duration)  

#percentage of minutes during business hours
percentage = (total / sum(data['duration'])) * 100
print('The percentage of outage minutes during business hours is:', percentage)

#secondary function to test
def by_month():
    s = data.apply(lambda row: pd.date_range(row['Adjusted_Down'], row['Adjusted_Up'], freq='T'), axis=1).explode()
    downtime = pd.DataFrame({
        'Month': s.astype('datetime64[M]'),
        'IsDayTime': s.dt.time.between(time(9), time(21))
    })
    downtime.groupby('Month')['IsDayTime'].sum()

#data.to_excel('delete.xls', 'a+')

Answer 1

Вы можете использовать функцию pandas 'DatetimeIndex, чтобы преобразовать разницу между временем простоя и временем работы в часы, минуты и секунды. Затем вы можете умножить часы на 60 и добавить минуты, чтобы получить общее время простоя в минутах. См. Пример ниже:

    import pandas as pd

    date_format = "%m-%d-%Y %H:%M:%S"
    # Example up and down times to insert into dataframe
    down1  = dt.datetime.strptime('8-01-2019 00:00:00', date_format)
    up1  = dt.datetime.strptime('8-01-2019 00:20:00', date_format)
    down2  = dt.datetime.strptime('8-01-2019 02:26:45', date_format)
    up2  = dt.datetime.strptime('8-01-2019 03:45:04', date_format)
    down3  = dt.datetime.strptime('8-01-2019 06:04:00', date_format)
    up3  = dt.datetime.strptime('8-01-2019 06:06:34', date_format)

    time_df = pd.DataFrame([{'down':down1,'up':up1},{'down':down2,'up':up2},{'down':down3,'up':up3},])

    # Subtract your up column from your down column and convert the result to a datetime index
    down_time = pd.DatetimeIndex(time_df['up'] - time_df['down'])

    # Access your new index, converting the hours to minutes and adding minutes to get down time in minutes
    down_time_min = time.hour * 60 + time.minute

    # Apply above array to new dataframe column
    time_df['down_time'] = down_time_min

    time_df

Это результат для этого примера: