如何计算Pandas时间序列与当日固定时间的小时差值？

问题场景 #

假设有一个包含日期时间的Pandas Series，示例代码如下：

import pandas as pd

data = [
    "2023-08-14 21:56",
    "2023-08-15 23:04",
    "2023-08-16 15:43",
    "2023-08-17 12:05",
    "2023-08-18 22:19",
]
s = pd.Series(data, dtype="datetime64[ns]")

需要计算每个日期时间与当日21:00的小时差值，期望得到如下结果：

0    0.93
1    2.07
2   -5.28
3   -8.92
4    1.32
dtype: float64

最快实现方法 #

使用Pandas的矢量化操作是最优方案，完全利用内置优化逻辑，避免循环带来的性能损耗，具体代码如下：

# 构造每个日期对应的当日21:00时间序列
target_time = s.dt.normalize() + pd.Timedelta(hours=21)
# 计算时间差并转换为小时数，保留两位小数
hour_diff = (s - target_time).dt.total_seconds() / 3600
hour_diff = hour_diff.round(2)

代码说明 #

• s.dt.normalize()：将原时间序列的时间部分归零，得到每个日期的00:00:00时刻
• 加上pd.Timedelta(hours=21)：得到每个日期对应的21:00:00目标时间
• (s - target_time).dt.total_seconds()：计算两个时间的差值并转换为总秒数，除以3600得到小时数
• round(2)：将结果保留两位小数，与期望输出格式一致

这种方法在数据量较大时的性能优势尤为明显，远快于apply或手动循环的实现方式。

内容的提问来源于stack exchange，提问作者Xukrao