如何为Pandas数据框计算相邻时间间隔并排查超时记录？

最简解决方案 #

直接用Pandas内置的diff()方法就能快速实现需求，代码如下：

import pandas as pd

# 读取数据
df = pd.read_csv("temps.csv")
# 转换time列为datetime类型
df['time'] = pd.to_datetime(df['time'], format="%Y-%m-%d %H:%M:%S")
# 计算每行与上一行的时间间隔
df['elapsed'] = df['time'].diff()
# 第一行无前置数据，将间隔设为0（也可以保留默认的NaT）
df['elapsed'] = df['elapsed'].fillna(pd.Timedelta(0))

# 筛选出与上一条记录间隔超过15分钟的行
threshold = pd.Timedelta(minutes=15)
over_threshold = df[df['elapsed'] > threshold]
print(over_threshold)

你原有代码的问题 #

你用while循环时，每次执行df['elapsed'] = next_dt - start_dt都会把整个列的所有值覆盖成当前循环计算的单个差值，而非给对应行赋值。循环结束后，所有行的elapsed自然都是最后一次循环的结果，导致所有间隔值相同。

补充说明 #

• diff()是Pandas专为相邻元素差值计算设计的方法，针对datetime类型会自动返回Timedelta对象，无需手动遍历索引；
• 用pd.Timedelta(minutes=15)可以直观定义15分钟的阈值，直接和elapsed列做比较即可筛选目标行。

内容的提问来源于stack exchange，提问作者Kay