如何在仅保留时间无日期的前提下计算Pandas中时间差？

问题背景 #

给定如下Pandas DataFrame，包含公交路线、站点及到达/出发时间（部分时间超过24小时，如27:32:00）：

import pandas as pd

stoptimes_df = pd.DataFrame({
    'trip_id': ['1', '1', '1', '2', '2', '2'], 
    'arrival_time': ["12:10:00", "12:20:00", "12:30:00", "27:32:00", "27:39:00", "27:45:00"],
    'departure_time': ["12:10:00", "12:20:00", "12:30:00", "27:32:00", "27:39:00", "27:45:00"],
    'stop_id': ['de:08437:48835:0:2', 'de:08426:6306', 'de:08426:6307', 'de:08116:6703', 'de:08116:3821', 'de:08415:28256:0:1']})

需求 #

• 新增一列存储同一路线（trip_id）中，下一站到达时间与当前站出发时间的时间差（单位为分钟或秒）
• 必须保留arrival_time和departure_time列的纯时间显示，不能附带日期

遇到的问题 #

尝试将时间转为datetime.time类型后，用groupby结合diff()计算差值时，抛出错误：

TypeError: unsupported operand type(s) for -: 'datetime.time' and 'datetime.time'

转为datetime.datetime类型会自动添加默认日期，不符合显示要求；直接使用timedelta处理超24小时的时间也存在兼容问题。

解决方案 #

核心思路：将时间字符串转换为总秒数（数值类型）进行差值计算，同时保留原时间列的文本格式不变。

1. 编写时间转秒数的函数 #

拆分时间字符串的时、分、秒，计算总秒数，兼容超24小时的时间：

def time_to_seconds(time_str):
    h, m, s = map(int, time_str.split(':'))
    return h * 3600 + m * 60 + s

2. 生成秒数列并计算站间间隔 #

对到达/出发时间生成对应的秒数列，按路线分组后计算间隔：

# 生成临时秒数列
stoptimes_df['arrival_sec'] = stoptimes_df['arrival_time'].apply(time_to_seconds)
stoptimes_df['departure_sec'] = stoptimes_df['departure_time'].apply(time_to_seconds)

# 计算站间间隔（秒）：下一站到达秒数 - 当前站出发秒数
stoptimes_df['interval_sec'] = stoptimes_df.groupby('trip_id')['arrival_sec'].shift(-1) - stoptimes_df['departure_sec']

# 可选：转成分钟单位
stoptimes_df['interval_min'] = stoptimes_df['interval_sec'] / 60

3. 清理临时列（可选） #

如果不需要保留arrival_sec和departure_sec临时列，可直接删除：

stoptimes_df.drop(['arrival_sec', 'departure_sec'], axis=1, inplace=True)

最终效果 #

处理后的DataFrame中，arrival_time和departure_time仍保持原纯时间格式，新增的interval_sec或interval_min列准确显示了同路线内的站间间隔时间。例如trip_id=2的站间间隔分别为7分钟、6分钟，完全符合预期。

内容的提问来源于stack exchange，提问作者deputy-chief-hardy