Timedelta.total_seconds()输出异常？实为CSV导出问题

你提到用Timedelta.total_seconds()计算出的时间差本身正确，但导出CSV后需要除以1000才符合预期，问题大概率出在CSV的序列化/反序列化环节，常见原因如下：

• 导出时的数值类型自动转换
  当使用to_csv()导出DataFrame时，如果Abweichung列的数值以整数形式存储，Pandas可能默认用科学计数法或特定格式保存，后续读取时被误判为毫秒级数值；如果列中存在整数和浮点数混合的情况，导出后的格式也可能导致读取解析出错，让数值看起来放大了1000倍。

• 读取CSV时的解析错误
  你用其他工具（比如Excel、另一段Pandas代码）读取导出的CSV时，可能没有指定正确的解析规则：比如Excel自动把秒数识别成了毫秒，或者CSV中存在千位分隔符（Pandas导出时可能自动添加），导致读取时数值被错误解析。

• 循环赋值引发的隐式类型转换
  你通过循环给Abweichung列赋值时，如果该列初始类型不是float64，可能会发生隐式类型转换。比如初始列是int64，当计算结果包含小数时被强制转为整数，导出后读取时就会出现数值偏差。

优化方案 #

首先替换低效的循环代码，用Pandas向量化操作避免隐式类型问题：

# 初始化Abweichung列为浮点类型
df_ausfallmeldung["Abweichung"] = pd.Series(dtype='float64')

# 用布尔索引批量赋值，替代逐行循环
mask = df_ausfallmeldung["Prognose"].isna()
df_ausfallmeldung.loc[mask, "Abweichung"] = (df_ausfallmeldung["Soll"] - df_ausfallmeldung["Eingang"]).dt.total_seconds()
df_ausfallmeldung.loc[~mask, "Abweichung"] = (df_ausfallmeldung["Prognose"] - df_ausfallmeldung["Eingang"]).dt.total_seconds()

然后导出CSV时指定参数，避免格式混乱：

# 禁用科学计数法，指定浮点数格式，确保小数点和分隔符正确
df_ausfallmeldung.to_csv('output.csv', index=False, float_format='%.6f', sep=',', decimal='.')

读取CSV时明确指定列类型，避免解析错误：

df_read = pd.read_csv('output.csv', dtype={'Abweichung': 'float64'})

内容的提问来源于stack exchange，提问作者Kinggpuu