整数与Timestamp相减报错及pandas时间索引运算问题解决

错误原因分析 #

你遇到的两个问题本质都是时间类型处理错误：

• unsupported operand type(s) for -: 'int' and 'Timestamp'：直接将整数（比如天数）和Timestamp类型的索引做减法运算，两者类型不兼容
• module 'pandas' has no attribute 'to_datestamp'：pandas中不存在to_datestamp方法，正确的时间类型转换方法是pd.to_datetime（转时间戳）或pd.to_timedelta（转时间差）

可行解决方案 #

1. 确保索引为DatetimeIndex #

先确认你的DataFrame索引是标准的时间索引，若不是先转换：

# 查看当前索引类型
print(df.index.dtype)
# 转换为DatetimeIndex（如果原索引是字符串/数字格式）
df.index = pd.to_datetime(df.index)

2. 正确的时间差计算方式 #

场景1：计算两个索引的时间间隔

直接对两个Timestamp对象做减法，结果为Timedelta类型，可提取具体时长：

# 计算第i个和第j个索引的时间差（天数）
time_diff_days = (df.index[i] - df.index[j]).days
# 提取小时数
time_diff_hours = (df.index[i] - df.index[j]).total_seconds() / 3600

场景2：索引加减固定时长（如N天）

不能直接用整数减Timestamp，需将整数转换为Timedelta对象：

import pandas as pd
# 索引减去3天
new_index = df.index - pd.Timedelta(days=3)
# 或者用pd.to_timedelta指定单位
new_index = df.index - pd.to_timedelta(3, unit='D')

3. 冗余信号过滤实战示例 #

假设你要过滤掉距离上一个有效信号不足3天的重复信号，代码示例：

# 1. 提取所有有信号的行的索引
signal_idx = df[df['signal'] == 1].index
if len(signal_idx) <= 1:
    filtered_df = df.loc[signal_idx]
else:
    # 2. 计算相邻信号的时间差
    time_intervals = signal_idx[1:] - signal_idx[:-1]
    # 3. 筛选出间隔≥3天的信号索引
    valid_idx_mask = time_intervals >= pd.Timedelta(days=3)
    valid_idx = signal_idx[1:][valid_idx_mask]
    # 4. 保留第一个信号，合并有效索引
    valid_idx = signal_idx[:1].append(valid_idx)
    # 5. 生成过滤后的DataFrame
    filtered_df = df.loc[valid_idx]

注意事项 #

• 避免直接对Timestamp和整数做算术运算，所有时长都要封装为Timedelta对象
• 若索引是带时区的DatetimeIndex，确保时间差计算时时区一致，避免时区转换错误

内容的提问来源于stack exchange，提问作者kondziu160