为何datetime.timedelta列表的平均值大于提取微秒值计算的平均值？

问题现象 #

生成一组datetime.timedelta类型的时间差列表，直接计算该列表的平均值，结果比提取每个时间差的微秒值转换为秒后计算的平均值更大，代码及输出如下：

import datetime
import time
import numpy as np
l = []
l_m = []
for _ in range(5):
    start = datetime.datetime.now()
    time.sleep(1)
    l.append((datetime.datetime.now() - start))
    l_m.append((datetime.datetime.now() - start).microseconds / 1000000)
print(l)
print(np.mean(l), np.mean(l_m))

运行输出：

[datetime.timedelta(seconds=1, microseconds=846), datetime.timedelta(seconds=1, microseconds=1017), datetime.timedelta(seconds=1, microseconds=1010), datetime.timedelta(seconds=1, microseconds=1013), datetime.timedelta(seconds=1, microseconds=887)]
0:00:01.000955 0.9639999999999999

核心原因 #

1. 两次计算时间差的时间点不一致 #

循环中，加入列表l的时间差是第一次调用datetime.datetime.now()与start的差值，此时刚执行完time.sleep(1)，时间差约为1秒+几百微秒；而加入列表l_m的时间差是第二次调用datetime.datetime.now()与start的差值，此时已经完成了一次append操作，距离start的时间更长（实际约1.96秒左右）。

2. 错误使用timedelta.microseconds属性 #

timedelta.microseconds仅返回时间差中小于1秒的微秒部分（取值范围0-999999），不包含整秒数。例如一个1秒963999微秒的timedelta对象，它的.microseconds值是963999，除以1000000后得到0.963999，但实际总秒数是1.963999。你只提取了微秒部分，相当于丢弃了整秒数，导致计算的数值远小于真实时间差。

修正方案 #

复用同一个时间差对象，并使用total_seconds()方法获取完整的总秒数：

import datetime
import time
import numpy as np
l = []
l_m = []
for _ in range(5):
    start = datetime.datetime.now()
    time.sleep(1)
    td = datetime.datetime.now() - start  # 只计算一次时间差
    l.append(td)
    l_m.append(td.total_seconds())  # 使用total_seconds()获取总秒数
print(l)
print(np.mean(l), np.mean(l_m))

修正后，两次计算的平均值会基本一致（例如输出0:00:01.000955和1.000955）。

内容的提问来源于stack exchange，提问作者mherzog