Pandas中Timestamp列相减触发OverflowError的解决求助

需要判断Pandas中两个Timestamp列的差值是否大于n秒（n取值1-60），无需关注具体差值。原本操作简单，但因时间戳差值过大触发整数溢出错误。以下是最小可复现示例（MCVE）：

import pandas as pd
import pandas.testing


dataframe = pd.DataFrame(
    {
        "historic": [pd.Timestamp("1900-01-01T00:00:00+00:00")],
        "futuristic": [pd.Timestamp("2200-01-01T00:00:00+00:00")],
    }
)

# 目标：判断futuristic与historic的差值是否大于n秒，即：
#       futuristic - historic > n

number_of_seconds = 1

dataframe["diff_greater_n"] = (
    dataframe["futuristic"] - dataframe["historic"]
) / pd.Timedelta(seconds=1) > number_of_seconds

expected_dataframe = pd.DataFrame(
    {
        "historic": [pd.Timestamp("1900-01-01T00:00:00+00:00")],
        "futuristic": [pd.Timestamp("2200-01-01T00:00:00+00:00")],
        "diff_greater_n": [True],
    }
)

pandas.testing.assert_frame_equal(dataframe, expected_dataframe)

报错信息：

OverflowError: Overflow in int64 addition

额外背景：

• 时间戳需保留秒级精度，无需关注毫秒
• 这是数据帧上多个组合检查中的一项
• 数据帧可能包含数百万行
• 终于能在Stack Overflow上提问关于Overflow错误的问题

解决方案 #

方法1：直接比较偏移后的时间戳（最优） #

核心思路是把futuristic - historic > n秒等价转换为futuristic > historic + n秒，完全避免计算大跨度时间差，从根源解决溢出问题：

number_of_seconds = 1
dataframe["diff_greater_n"] = dataframe["futuristic"] > dataframe["historic"] + pd.Timedelta(seconds=number_of_seconds)

这个方法是向量级运算，速度极快，完美适配百万行数据，而且不会触发任何溢出风险，完全符合需求。

方法2：转换为秒级整数后比较 #

如果后续需要基于秒数做其他运算，可以将Timestamp转换为秒级整数（Unix时间戳，支持1970年之前的负数时间戳），再计算差值比较：

# 转换为秒级整数（纳秒转秒，取整）
historic_sec = dataframe["historic"].astype('int64') // 10**9
futuristic_sec = dataframe["futuristic"].astype('int64') // 10**9

dataframe["diff_greater_n"] = (futuristic_sec - historic_sec) > number_of_seconds

1900到2200年的秒级差值约为9.46e9，远小于int64的最大值（9e18），不会触发溢出，同时保留了秒级精度。

方法3：直接比较Timedelta对象 #

也可以不转换为数值，直接让时间差和目标Timedelta比较：

dataframe["diff_greater_n"] = (dataframe["futuristic"] - dataframe["historic"]) > pd.Timedelta(seconds=number_of_seconds)

这个方法也能避免溢出问题，但相比方法1，需要先计算时间差对象，效率略低一点。

内容的提问来源于stack exchange，提问作者Maurice