如何使用Python计算两列指定格式日期时间列的相对时间差

• 两列当前存储的是格式为日-月-年:时.分的纯文本字符串，不支持直接做减法运算，因此触发字符串无法相减的类型报错
• 使用int(A) - int(B)失败的核心原因：A、B是pandas的Series结构对象，int()方法无法直接对整个Series做整数转换，且字符串混杂了日期符号、冒号、横杠，本身不满足整数转换的格式要求

1. 按照字符串的实际结构，用pandas内置的时间解析方法向量化转换两列为datetime类型
   你的数据匹配的时间格式标记为%d-%m-%Y:%H.%M（对应日-月-年:时.分的结构，如示例值31-12-2010:10.06会被解析为2010年12月31日10时06分）
   转换代码：

   import pandas as pd
   
   # 逐列完成字符串到时间格式的转换
   df['A'] = pd.to_datetime(df['A'], format='%d-%m-%Y:%H.%M')
   df['B'] = pd.to_datetime(df['B'], format='%d-%m-%Y:%H.%M')
   

2. 直接按需求计算A - B的时间差，得到的结果为pandas Timedelta类型，可直接参与后续计算：

   df['time_delta'] = df['A'] - df['B']
   

   以你给出的示例数据为例，计算结果为-6 days +18:54:00，本质等价于A列时间比B列时间早5天5小时6分。
3. 若需要将时间差转换为可直接运算的数值指标（如总小时、总分钟数），可调用dt属性的对应方法提取：

   # 转换为总小时数（保留正负方向）
   df['diff_total_hours'] = df['time_delta'].dt.total_seconds() / 3600
   # 转换为总分钟数（保留正负方向）
   df['diff_total_minutes'] = df['time_delta'].dt.total_seconds() / 60
   

• 不需要写循环逐行解析数据，pandas的pd.to_datetime是向量化操作，处理大表时效率远高于逐行遍历
• 解析时一定要指定和实际字符串完全匹配的format参数，既可以提升解析速度，也能避免格式不匹配导致的解析错误

内容的提问来源于stack exchange，提问作者K C