如何基于Pandas Timedelta多条件生成time_of_day列？

错误根源 #

你碰到的ValueError，核心问题是conditions函数里误用了整个df['TIME']列来做判断——当用apply(axis=1)逐行处理时，函数参数s代表单行数据，你应该基于当前行的s['TIME']来判断，而非整个列的Series（Series包含多个布尔值，Python无法确定其整体的真假，所以报错）。另外最后一个Night的条件逻辑完全错误：时间不可能同时满足>=23:00且<06:00，应该直接用else兜底或者拆成两个条件的或逻辑。

快速修复：修正apply函数 #

把函数里的df['TIME']替换为当前行的s['TIME']，同时简化条件逻辑：

def conditions(s):
    time = pd.to_timedelta(s['TIME'])
    if '06:00:00' <= time < '13:00:00':
        return "Morning" 
    elif '13:00:00' <= time < '18:00:00':
        return "Afternoon" 
    elif '18:00:00' <= time < '23:00:00':
        return "Evening" 
    else:
        return "Night"

df['TIME_OF_DAY'] = df.apply(conditions, axis=1)

这样每个判断都是基于当前行的单个时间值，不会再出现布尔歧义问题。

更高效的向量化方案（推荐） #

apply逐行处理效率极低，数据量一大就会卡，推荐用向量化方法实现：

方案1：np.select批量判断 #

import numpy as np

# 先把TIME转为timedelta类型（一次性转换比逐行转高效）
df['time_delta'] = pd.to_timedelta(df['TIME'])

# 定义批量判断的条件和对应结果
cond_list = [
    (df['time_delta'] >= '06:00:00') & (df['time_delta'] < '13:00:00'),
    (df['time_delta'] >= '13:00:00') & (df['time_delta'] < '18:00:00'),
    (df['time_delta'] >= '18:00:00') & (df['time_delta'] < '23:00:00')
]
result_list = ['Morning', 'Afternoon', 'Evening']

# 批量赋值，不满足任何条件的默认设为Night
df['TIME_OF_DAY'] = np.select(cond_list, result_list, default='Night')

# 清理临时列
df.drop('time_delta', axis=1, inplace=True)

方案2：pd.cut按区间划分 #

先提取小时数，再用区间快速分组：

# 把TIME转为时间格式，提取小时数
df['hour'] = pd.to_datetime(df['TIME'], format='%H:%M').dt.hour

# 定义区间边界和对应标签
bins = [-1, 6, 13, 18, 23, 24]
labels = ['Night', 'Morning', 'Afternoon', 'Evening', 'Night']

# 按区间给每个小时分配时段标签
df['TIME_OF_DAY'] = pd.cut(df['hour'], bins=bins, labels=labels, include_lowest=True)

# 清理临时列
df.drop('hour', axis=1, inplace=True)

这两种方法都是批量处理，执行速度比apply快几十甚至上百倍，适合大规模数据。

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