Pandas DataFrame时间差计算优化：寻求替代循环的向量化方案

直接用Pandas内置的向量化方法替代循环，速度能提升几个数量级，具体步骤如下：

1. 确保时间列类型正确
   如果TS_START还不是datetime格式，先转换：

   import pandas as pd
   df['TS_START'] = pd.to_datetime(df['TS_START'])
   

2. 向量化计算时间差并转成小时小数
   用diff()方法直接计算相邻行的时间差，再通过dt.total_seconds()把时间差转成总秒数，最后除以3600得到小时单位的小数：

   df['delta_t'] = df['TS_START'].diff().dt.total_seconds() / 3600
   

   第一行因为没有上一行数据，delta_t会是NaN，如果需要把第一行设为0，加一步填充：

   df['delta_t'] = df['delta_t'].fillna(0)
   

这个方案完全是向量化操作，底层基于C实现，比Python循环快得多，哪怕是几十万、上百万行的数据也能秒级处理。

内容的提问来源于stack exchange，提问作者niccolo_guazz