使用pandas eval计算时间差报错：unknown type timedelta64[ns]

问题重现 #

尝试用pandas.eval()计算两个datetime列的时间差并转成分钟，代码如下：

delay = (
    dataset
    .query("INCIDENT_TYPE_DESC == '111 - Building fire'")
    .eval("ARRIVAL_DATE_TIME - INCIDENT_DATE_TIME")
    .divide(pd.Timedelta("1m"))
)

执行后报错：

ValueError: unknown type timedelta64[ns]

数据集相关信息：两个目标列INCIDENT_DATE_TIME和ARRIVAL_DATE_TIME均为datetime64[ns]类型。

解决方案 #

方案1：直接使用列运算（推荐）

避开eval()，直接对筛选后的子集做列减法：

# 先筛选目标数据
subset = dataset.query("INCIDENT_TYPE_DESC == '111 - Building fire'")
# 计算时间差并转成分钟
delay = (subset.ARRIVAL_DATE_TIME - subset.INCIDENT_DATE_TIME) / pd.Timedelta("1m")

或者用链式写法：

delay = (
    dataset
    .query("INCIDENT_TYPE_DESC == '111 - Building fire'")
    .pipe(lambda df: df.ARRIVAL_DATE_TIME - df.INCIDENT_DATE_TIME)
    .divide(pd.Timedelta("1m"))
)

方案2：在eval中转换为数值运算

如果一定要使用eval()，可以将时间差转为总秒数后再计算分钟数：

delay = (
    dataset
    .query("INCIDENT_TYPE_DESC == '111 - Building fire'")
    .eval("(ARRIVAL_DATE_TIME - INCIDENT_DATE_TIME).total_seconds() / 60")
)

原因说明 #

pandas的eval()方法在处理datetime64[ns]列相减返回的timedelta64[ns]类型时存在兼容性限制，无法直接识别该类型进行后续运算。直接列运算或在eval中转为数值（秒数）可以绕过这个问题。

内容的提问来源于stack exchange，提问作者user31081998