Pandas DataFrame日期时间索引极值获取与timedelta计算方法

• 触发AttributeError: 'DataFrame' object has no attribute 'time'是因为time是DataFrame的索引，不是普通数据列，无法通过df.time的属性方式访问，必须通过索引对象取值。
• 触发TypeError: int() argument must be a string, a bytes-like object or a number, not 'Timestamp'是因为df.index.min()返回的是Pandas Timestamp类型对象，不能直接传入int()强转；同时原逻辑里把时间转成字符串后再做减法的写法本身也不成立，字符串类型无法直接计算时间差。

获取Datetime索引的统计值 #

对于设置为datetime类型的索引（DatetimeIndex），直接调用索引的聚合方法即可获取min、max这类统计值，返回结果为Pandas标准Timestamp对象：

# 获取索引的最早、最晚时间
start_ts = df.index.min()
end_ts = df.index.max()

# 其他常用统计值可直接同逻辑调用
time_avg = df.index.mean()  # 时间平均值
time_mid = df.index.median() # 时间中位数

timedelta计算与目标代码修正 #

时间差计算要在时间对象层面完成，不要先转成字符串再运算。

推荐方案：Pandas原生运算（写法最简洁） #

不需要额外转换Python原生类型，Pandas原生支持时间算术运算：

# 直接计算时长，返回Pandas Timedelta类型
duration = end_ts - start_ts

# 支持按需转换单位
print(duration)  # 输出格式示例：0 days 01:35:44
print(duration.total_seconds())  # 转总秒数，输出示例：5744.0

# 生成带UTC标识的时间字符串，按需自定义格式
starttime = start_ts.strftime("%Y-%m-%d %H:%M:%S") + " UTC"
endtime = end_ts.strftime("%Y-%m-%d %H:%M:%S") + " UTC"

备选方案：转Python原生timedelta计算 #

如果必须使用Python标准库timedelta，要先调用Timestamp对象的timestamp()方法获取Unix秒级时间戳，再做转换：

from datetime import timedelta

# 先获取Unix时间戳再转timedelta
start_td = timedelta(seconds=int(start_ts.timestamp()))
end_td = timedelta(seconds=int(end_ts.timestamp()))
duration = end_td - start_td  # 原生timedelta类型时长

# 生成带UTC标识的字符串
starttime = str(start_td) + " UTC"
endtime = str(end_td) + " UTC"

注意：该方案生成的时间字符串是从Unix纪元（1970-01-01 00:00:00 UTC）开始累加的时间间隔格式，不会展示你数据里2022年的真实日期，如果需要展示实际业务时间，优先使用推荐方案的strftime格式化写法。

内容的提问来源于stack exchange，提问作者Swawa