在Python的数据处理工作中，Pandas是处理结构化数据的核心库，当我们需要计算两个时间点的间隔时，通常会涉及时间差的计算，而Pandas中时间差对应的数据类型就是Timedelta对象。
时间列的数据类型要求
要实现两个时间列相减得到Timedelta对象，首先需要保证两个时间列的数据类型是datetime64类型，如果列是字符串格式，需要先做类型转换。可以使用pd.to_datetime()方法完成转换，示例如下：
import pandas as pd
# 构造示例数据
data = {
"start_time": ["2024-01-01 08:00:00", "2024-01-01 09:30:00", "2024-01-01 10:15:00"],
"end_time": ["2024-01-01 10:00:00", "2024-01-01 12:00:00", "2024-01-01 11:45:00"]
}
df = pd.DataFrame(data)
# 将字符串时间列转换为datetime64类型
df["start_time"] = pd.to_datetime(df["start_time"])
df["end_time"] = pd.to_datetime(df["end_time"])
# 查看转换后的数据类型
print(df.dtypes)
两个时间列相减获取Timedelta对象
当两个时间列都转换为datetime64类型后，直接将两个列相减，得到的结果就是Timedelta类型的列，这是Pandas内置的时间计算逻辑，不需要额外调用特殊方法。
# 两个时间列相减得到Timedelta对象 df["time_diff"] = df["end_time"] - df["start_time"] # 查看结果和time_diff列的数据类型 print(df) print(df["time_diff"].dtype)
上述代码执行后，time_diff列的每个元素都是Timedelta对象，存储的是end_time减去start_time的时间间隔。
Timedelta对象的常用操作
得到Timedelta对象后，我们可以提取其中的小时、分钟、秒等属性，也可以对时间差做进一步的运算。
提取时间差的组成部分
Timedelta对象提供了components属性，可以拆分出天、小时、分钟、秒等信息，也可以直接通过属性获取对应的数值：
# 提取时间差的小时数 df["diff_hours"] = df["time_diff"].dt.total_seconds() / 3600 # 提取时间差的天数、小时数、分钟数 df["diff_days"] = df["time_diff"].dt.days df["diff_minutes"] = df["time_diff"].dt.components.minutes print(df[["time_diff", "diff_hours", "diff_days", "diff_minutes"]])
时间差的过滤和运算
我们可以直接基于Timedelta对象做条件过滤，比如筛选出时间差大于1小时的数据：
# 筛选时间差大于1小时的数据 filtered_df = df[df["time_diff"] > pd.Timedelta(hours=1)] print(filtered_df)
也可以对Timedelta列做加减运算，比如给所有时间差增加30分钟：
# 时间差增加30分钟 df["time_diff_add"] = df["time_diff"] + pd.Timedelta(minutes=30) print(df[["time_diff", "time_diff_add"]])
常见问题说明
如果时间列相减后得到的不是Timedelta对象，大概率是时间列的数据类型不是datetime64，需要先检查df.dtypes的输出，确认时间列的类型是否正确。另外如果时间列包含缺失值，相减后对应的Timedelta结果也会是缺失值，处理时需要注意缺失值的处理逻辑。
注意：如果时间列的格式比较特殊，比如包含时区信息，需要先统一时区后再做相减操作，避免出现时区不一致导致的计算错误。