使用pandas计算连续行秒级时间差触发TypeError报错如何解决？

你遇到的类型报错是因为pd.read_csv默认将BaseDateTime列的内容识别为字符串格式，字符串无法直接执行减法运算，因此触发unsupported operand type(s) for -: 'str' and 'str'的错误。
你使用的YYYY-MM-DDTHH:MM:SS属于ISO标准时间格式，pandas可以直接识别转换，不需要手动指定时间格式模板。

先将日期列转换为pandas内置的datetime类型，再计算时间差并转为秒单位即可，完整实现代码如下：

import pandas as pd

# 读取CSV时直接解析日期列，一步完成类型转换
df = pd.read_csv('Output1.csv', parse_dates=['BaseDateTime'])
# 计算相邻行时间差，转为秒单位存入新列
df['Time_diff'] = df['BaseDateTime'].diff().dt.total_seconds()

print(df)

• 输出结果第一行的Time_diff值为NaN属于正常情况，因为首行没有上一行数据可以计算差值
• 如果你的数据中存在不合法的日期值，可以用以下方式转换日期，自动将非法日期转为空值NaT，避免程序中断：

  import pandas as pd
  df = pd.read_csv('Output1.csv')
  df['BaseDateTime'] = pd.to_datetime(df['BaseDateTime'], errors='coerce')
  df['Time_diff'] = df['BaseDateTime'].diff().dt.total_seconds()
  

• 按照你提供的前5行测试数据，最终得到的Time_diff列结果依次为：NaN、0、5、1、3，符合预期。

内容的提问来源于stack exchange，提问作者milad