如何在DataFrame差异矩阵中将时间差转换为十进制数值

你生成的差异矩阵本质是numpy timedelta64类型数组，没法直接用Pandas的dt访问器（dt仅支持Series/DataFrame），所以之前的total_seconds()方法直接用不了。这里给两种可行的转换方案：

方案1：转成Pandas DataFrame后批量处理 #

先把numpy数组包装成DataFrame，再用applymap遍历每个时间差元素完成转换：

import pandas as pd
from datetime import datetime
import numpy as np

# 原始考勤数据
employees = [('GILL', datetime(2022,12,1,6,40,0), datetime(2022,12,1,14,30,0)),
             ('BOB', datetime(2022,12,1,6,0,0), datetime(2022,12,1,14,10,0)),
             ('TOBY', datetime(2022,12,1,14,0,0), datetime(2022,12,1,22,30,0))]
labels = ['name', 'clockin', 'clockout']
df = pd.DataFrame.from_records(employees, columns=labels)

# 构建时间差矩阵数组
arr = df['clockin'].values - df['clockin'].values[:, None]

# 转换为十进制小时矩阵
diff_df = pd.DataFrame(arr, columns=df['name'])
diff_hours = diff_df.applymap(lambda td: round(td.total_seconds() / 3600, 2))

# 合并员工姓名列得到最终结果
result = pd.concat([df['name'], diff_hours], axis=1)
print(result)

方案2：直接用numpy操作数组（效率更高） #

numpy的timedelta64可以直接转成总秒数，再计算为小时，适合数据量较大的场景：

# 直接将numpy时间差数组转为保留两位小数的小时数
arr_hours = np.round(arr.astype('timedelta64[s]') / 3600, 2)

# 构建最终结果DataFrame
result = pd.concat([df['name'], pd.DataFrame(arr_hours, columns=df['name'])], axis=1)
print(result)

转换后效果 #

两种方案都会得到直观的正负小时数矩阵：

数值含义：

• 正值：当前行员工比列员工晚打卡（比如BOB比GILL晚40分钟，即0.67小时）
• 负值：当前行员工比列员工早打卡（比如GILL比BOB早40分钟，即-0.67小时）

内容的提问来源于stack exchange，提问作者xtian