处理CSV日期时间差值时遇Type error: cannot subtract DateTimeArray from ndarray错误求助

错误根源 #

你代码里的核心问题是pd.to_datetime(df["Date/Time Opened"]).dt.date这个操作——它返回的是Python原生date对象组成的numpy数组（ndarray），而非pandas的DatetimeArray。当你给这个ndarray加上pd.DateOffset(hours=17)后，类型逻辑混乱，后续和原DatetimeArray相减就触发了类型不匹配错误。

修正方案 #

直接在pandas的DatetimeArray上构造目标时间（当天17点），全程避免转成原生date对象：

分步写法（清晰易读） #

# 先将原列转为datetime类型，避免重复调用pd.to_datetime
df["dt_opened"] = pd.to_datetime(df["Date/Time Opened"])

# 构造当天17:00的datetime对象
df["target_time"] = df["dt_opened"].dt.floor("D") + pd.DateOffset(hours=17)

# 计算时间差总秒数，补充np.where的判断逻辑（示例）
df["open_time"] = np.where(
    # 这里替换成你的实际判断条件，比如时间差为正
    (df["target_time"] - df["dt_opened"]).dt.total_seconds() > 0,
    (df["target_time"] - df["dt_opened"]).dt.total_seconds(),
    0  # 示例默认值，按需调整
)

# 可选：删除临时辅助列
df.drop(["dt_opened", "target_time"], axis=1, inplace=True)

简化写法（无临时列） #

如果不想新增临时列，可直接链式操作：

dt_opened = pd.to_datetime(df["Date/Time Opened"])
target_time = dt_opened.dt.floor("D") + pd.DateOffset(hours=17)

df["open_time"] = np.where(
    # 替换为你的实际判断条件
    (target_time - dt_opened).dt.total_seconds() > 0,
    (target_time - dt_opened).dt.total_seconds(),
    0
)

关键注意点 #

• 始终用pandas的DatetimeArray（即pd.to_datetime返回的Series）进行时间运算，不要转成原生date对象
• dt.floor("D")会把datetime截断到当天0点，再加17小时即可得到当天17点的标准时间

内容的提问来源于stack exchange，提问作者Sunil M