如何用Pandas将DataFrame时间戳替换为与起始时间的差值

没问题，这在Pandas里能轻松实现，我给你一步步拆解操作流程：

步骤1：将字符串时间转换为datetime类型 #

首先，你原始数据里的timestamp是字符串格式，Pandas没法直接计算时间差，所以第一步要把它转换成datetime类型：

import pandas as pd

# 假设你的DataFrame已经加载完成，名为user1
user1['timestamp'] = pd.to_datetime(user1['timestamp'])

步骤2：获取起始时间 #

接下来需要确定数据的起始时间——也就是所有时间戳里最早的那个点。如果你的数据是按时间顺序排列的，直接取第一行的时间就行；如果数据可能乱序，用min()方法获取最早时间会更稳妥：

# 两种方式选其一即可
start_time = user1['timestamp'].iloc[0]  # 适用于有序数据
# start_time = user1['timestamp'].min()   # 适用于可能乱序的数据

步骤3：计算时间差并替换原列 #

最后，计算每个时间戳与起始时间的差值，再转换成总秒数，直接替换原来的timestamp列：

user1['timestamp'] = (user1['timestamp'] - start_time).dt.total_seconds()

效果示例 #

用你提供的样本数据测试后，timestamp列会从：

2018-04-10 12:37:51.252
2018-04-10 12:37:51.252
2018-04-10 12:37:51.324

变成：

0.0
0.0
0.072

（注：你示例里提到的0.72秒应该是笔误，实际时间差为0.072秒）

可选优化：调整小数位数 #

如果需要控制秒数的小数位数，可以用round()方法，比如保留两位小数：

user1['timestamp'] = (user1['timestamp'] - start_time).dt.total_seconds().round(2)

对于你10万行的数据量，这个操作效率很高，完全不用担心性能问题～

内容的提问来源于stack exchange，提问作者user13556745