使用pd.DataFrame.diff(axis=1)计算列间时间差报NotImplementedError咨询

嘿，这个问题我之前帮人排查过，咱们来一步步理清楚为啥会这样：

1. 你的pandas版本可能没包含PR#19773的修复 #

PR#19773确实是专门为了让DataFrame.diff(axis=1)支持datetime64和timedelta64类型而提交的修复，但这个改动是在pandas 1.1.0版本才正式合并到主分支的。如果你当前用的pandas版本低于1.1.0，那这个功能还没生效，自然会抛出NotImplementedError。

你可以先查一下自己的pandas版本：

import pandas as pd
print(pd.__version__)

如果版本确实过低，升级到1.1.0及以上就能解决这个问题：

pip install --upgrade pandas

2. pivot_table生成的列可能不是真正的datetime64类型 #

有时候用pd.pivot_table生成结果时，哪怕原始数据是datetime类型，最终的列也可能被转换成了object类型——比如存在空值、或者合并过程中混入了其他类型数据。这种情况下，diff(axis=1)还是会因为类型不兼容报错。

你可以先检查列的数据类型确认一下：

print(df.dtypes)

如果发现列是object类型，先把它转成datetime64：

df = df.apply(pd.to_datetime, errors='coerce')

（errors='coerce'会把无效值转为NaT，不影响后续的时间差计算）

3. DataFrame里混有非datetime类型的列 #

如果你的DataFrame里除了datetime列，还有其他数值或文本列（比如你提到的“Text”笔误列），diff(axis=1)在跨类型计算时也可能触发错误。这种情况下，你可以先筛选出datetime类型的列再执行diff：

datetime_cols = df.select_dtypes(include=['datetime64']).columns
df[datetime_cols] = df[datetime_cols].diff(axis=1)

假设你有一个类似这样的测试DataFrame（模拟pivot_table生成的结果）：

import pandas as pd

# 构造测试数据
data = {
    'id': [1,1,2,2],
    'time': pd.date_range('2023-01-01', periods=4),
    'category': ['X','Y','X','Y']
}
df = pd.pivot_table(pd.DataFrame(data), index='id', columns='category', values='time')

如果你的pandas版本≥1.1.0，直接调用df.diff(axis=1)就能得到正确的时间差；如果版本不够，就会触发你遇到的那个错误。

内容的提问来源于stack exchange，提问作者JOHN