Pandas字符串时间转timedelta计算DataFrame时间差方案

报错根因 #

• 标准库datetime.strptime仅支持单个字符串入参，无法直接传入Pandas Series整列对象，因此触发TypeError: strptime() argument 1 must be str, not Series错误。
• 未做类型转换的字符串时间列仅能在格式完全一致时做大小比较，无法直接执行减法计算时间差。

实现方案 #

使用Pandas内置的pd.to_timedelta完成向量化类型转换，该方法原生支持整列数据处理，无需循环，转换后的列直接支持时间比较、差值计算。
完整代码如下：

import pandas as pd
import numpy as np

# 构造示例数据
pricetime = pd.DataFrame({
    'price1': [22.34, 44.68, 52.98],
    'time1': ['9:48:14', '15:54:33', '13:13:22'],
    'price2': [28.88, 47.68, 22.32],
    'time2': ['10:52:44', '15:59:59', '10:12:22']
})

# 核心转换：将字符串格式时间转为timedelta类型
pricetime['time1'] = pd.to_timedelta(pricetime['time1'])
pricetime['time2'] = pd.to_timedelta(pricetime['time2'])

# 条件计算价格变动率
pricetime['price_change'] = np.where(
    pricetime['time1'] < pricetime['time2'],
    (pricetime['price1'] - pricetime['price2']) / pricetime['price2'],
    np.nan
)

# 条件计算时间差，时间类型空值使用pd.NaT适配类型
pricetime['time_diff'] = np.where(
    pricetime['time1'] < pricetime['time2'],
    pricetime['time2'] - pricetime['time1'],
    pd.NaT
)

补充说明 #

• 转换后的time_diff列为timedelta类型，如需转为数值型时长（比如秒、分钟），可使用dt.total_seconds()、dt.total_seconds()/60等方法快速换算。
• 不需要额外导入datetime库的timedelta，Pandas的timedelta类型可以直接完成所有运算。

内容的提问来源于stack exchange，提问作者Marc_Law