如何使用Pandas计算预期时间与实际时间的常规时差？

我的DataFrame包含两个时间戳列，需要新增第三列存储符合常规认知的时差：早到为正数值，迟到为负数值，直接体现与预期时间的偏差分钟数。

测试案例与问题 #

早到场景（结果符合预期）

预期时间为08:00，实际时间为07:30（早到30分钟）：

import pandas as pd

t1 = pd.to_datetime('1/1/2022 08:00')  # 预期时间
t2 = pd.to_datetime('1/1/2022 07:30')  # 实际时间
pd.Timedelta(t1-t2)
# 输出: Timedelta('0 days 00:30:00')

pd.Timedelta(t1-t2).seconds / 60.0  # 转换为分钟
# 输出: 30.0

这个结果符合常规认知，早到30分钟显示为正30。

迟到场景（结果不符合预期）

预期时间为08:00，实际时间为08:30（迟到30分钟）：

t1 = pd.to_datetime('1/1/2022 08:00')  # 预期时间
t2 = pd.to_datetime('1/1/2022 08:30')  # 实际时间
pd.Timedelta(t1-t2)
# 输出: Timedelta('-1 days +23:30:00')

pd.Timedelta(t1-t2).seconds / 60.0  # 转换为分钟
# 输出: 1410.0

这里得到的1410分钟是23.5小时，完全不符合常规认知的“迟到30分钟”（应该显示为-30）。

临时解决方法 #

我发现可以通过减去24小时对应的分钟数（1440分钟）得到正确结果：

(pd.Timedelta(t1-t2).seconds / 60.0) - 1440  # 转换为符合常规的分钟数
# 输出: -30.0

疑问 #

我知道可以自定义函数并使用apply()处理整列数据，但这应该是个常见需求，不过我在Pandas的Timedelta文档里没找到对应的原生方法。有没有更简洁的Pandas原生方式实现这个需求？

内容的提问来源于stack exchange，提问作者xtian