Python中按条件计算员工工时及ValueError报错解决求助

咱们一步步来搞定你遇到的这个报错问题，先拆解下错误根源，再给出修正后的完整代码：

报错原因分析 #

你碰到的ValueError主要是由这几个代码问题导致的：

1. 错误的时间转换逻辑：你直接对完整的datetime类型字段用pd.to_timedelta()，这肯定不行——pd.to_timedelta()没法直接把带日期的datetime对象转成时间差，得先提取里面的时间部分再转换。
2. 变量名写错了：elif分支里用了t['In Punch']，但你的函数参数明明是df，这里应该改成df['In Punch']。
3. 逻辑运算符用错：条件判断里用了|（按位或），多个条件同时满足的话应该用&（逻辑与）。
4. 缺少返回值：函数的else分支只算了时间差，但没写return返回结果，这会导致程序不知道该返回什么。
5. 日期格式解析问题：你的原始数据里同时有YYYY-MM-DD和DD-MM-YYYY两种日期格式，直接用pd.to_datetime()会把30-07-2019这种格式解析错（会当成30月7日），得加dayfirst=True来告诉程序日在前。

修正后的完整代码 #

import pandas as pd

# 原始数据
df = pd.DataFrame({
    'ID':[1001,1002,1003,1004,1005,1006],
    'In Punch':['2019-07-28 08:27:25','30-07-2019 08:10:56','05-08-2019 19:44:12','06-08-2019 08:28:51','25-08-2019 08:03:50','08-08-2019 12:44:12'],
    'Out Punch':['2019-07-28 08:27:25','30-07-2019 19:48:28','05-08-2019 19:44:12','06-08-2019 19:47:21','25-08-2019 19:40:05','08-08-2019 12:44:12']
})

# 正确解析日期：指定dayfirst=True处理DD-MM-YYYY格式
df['In Punch'] = pd.to_datetime(df['In Punch'], dayfirst=True)
df['Out Punch'] = pd.to_datetime(df['Out Punch'], dayfirst=True)

def calculate_hours(row):
    time_diff = row['Out Punch'] - row['In Punch']
    # 检查时间差是否为0
    if time_diff == pd.Timedelta(0):
        # 提取In Punch的时间部分转为timedelta
        in_time = pd.to_timedelta(row['In Punch'].time().strftime('%H:%M:%S'))
        if in_time <= pd.Timedelta(12, unit='H'):
            return pd.Timedelta(8, unit='H')
        # 12点之后的所有情况都返回4小时，不用额外分支
        else:
            return pd.Timedelta(4, unit='H')
    else:
        return time_diff

# 应用函数生成Hours列
df['Hours'] = df.apply(calculate_hours, axis=1)

print(df)

代码细节说明 #

1. 日期解析优化：加了dayfirst=True，确保30-07-2019这类日在前的日期被正确识别为2019年7月30日，避免解析错误。
2. 时间提取与转换：用row['In Punch'].time()把datetime里的时间单独提出来，转成字符串后再用pd.to_timedelta()转换，这样就能和12小时的时间差正确比较了。
3. 简化逻辑：根据你的规则，12点之后（不管是12-14点还是14点之后）都返回4小时，所以直接用else覆盖所有12点后的情况就行，不用写复杂的elif分支。
4. 明确返回值：所有分支都加了return，确保每个情况都有返回结果，不会出现无返回值的错误。

运行结果 #

ID           In Punch          Out Punch     Hours
0  1001 2019-07-28 08:27:25 2019-07-28 08:27:25 08:00:00
1  1002 2019-07-30 08:10:56 2019-07-30 19:48:28 11:37:32
2  1003 2019-08-05 19:44:12 2019-08-05 19:44:12 04:00:00
3  1004 2019-08-06 08:28:51 2019-08-06 19:47:21 11:18:30
4  1005 2019-08-25 08:03:50 2019-08-25 19:40:05 11:36:15
5  1006 2019-08-08 12:44:12 2019-08-08 12:44:12 04:00:00

内容的提问来源于stack exchange，提问作者Andre_k