pandas DataFrame逐行计算时间差返回NaT问题求助

• 算术运算索引自动对齐：pandas中两个DataFrame做减法时会自动匹配行索引和列索引，只有索引完全一致的位置才会计算值，否则返回空值。你取的first_row行索引是1，second_row行索引是2，行索引无法匹配，所以所有计算结果都是NaT。
• 列名重复冲突：你创建frame_ca、frame_ny、frame_tx的时候没有指定列名，三个DataFrame的列名都是默认的0，concat之后总表的列名会出现重复的0，会导致后续按列索引取值时出现混乱。
• 切片范围错误：你测试代码里写的loc[1:1, :1]取的是列索引≤1的列，和你实际需要的全列时间数据匹配不上，也可能引发计算异常。

首先修正预处理阶段的代码，给每个地点的时间列指定唯一列名，避免重复：

# 预处理时给每个DataFrame指定对应地点的列名
frame_ca = pd.DataFrame(data = ca_time, dtype = "datetime64[s]", columns=["ca"])
frame_ny = pd.DataFrame(data = ny_time, dtype = "datetime64[s]", columns=["ny"])
frame_tx = pd.DataFrame(data = tx_time, dtype = "datetime64[s]", columns=["tx"])
# fl、az两个地点的处理逻辑同上，补充对应列名即可

# 拼接总表
full_array = pd.concat([frame_ca, frame_ny, frame_tx, frame_fl, frame_az], axis=1)

你可以直接用pandas内置的diff()方法批量计算每列相邻行的时间差，不需要手动逐行取值计算，效率更高也更不容易出错：

# 直接计算每列相邻行的时间差，默认计算规则为当前行 - 上一行
time_diff = full_array.diff(axis=0).dt.total_seconds()
# 定位异常值：差值不等于1800秒（30分钟）的位置
abnormal_mask = time_diff != 1800
# 输出异常行的索引和对应差值
abnormal_records = time_diff[abnormal_mask.any(axis=1)]

如果你需要单独测试两行的减法，需要先把两个行的索引统一之后再计算：

first_row = full_array.loc[1].reset_index(drop=True)
second_row = full_array.loc[2].reset_index(drop=True)
delta = second_row - first_row

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