在Pandas中基于timedelta为DataFrame添加时间列的方法

嘿，这个问题我碰到过！你之前的报错原因很明确——df['mins'].item()只能提取单个标量值，但你的mins列是一整列的Series数据，自然会抛出"can only convert an array of size 1 to a Python scalar"的错误。下面给你几个实用的解决方法：

方法1：用Pandas内置的to_timedelta（推荐，简洁高效） #

这是最适合Pandas场景的方法，直接把整个mins列转换成时间增量，再和current_time相加，Pandas会自动帮你完成广播运算：

import pandas as pd
import datetime

# 初始化你的数据和时间变量
df = pd.DataFrame({
    'id': [1, 2, 3, 3],
    'value': ['a', 'u', 'i', 'g'],
    'mins': [12.4, 14.2, 16.2, 17.0]
})
current_time = datetime.datetime(2018, 1, 2, 14, 0, 34, 628481)

# 生成total_time列
df['total_time'] = current_time + pd.to_timedelta(df['mins'], unit='m')

运行后你会得到每行对应的时间，比如第一行就是2018-01-02 14:12:58.628481（12.4分钟等于12分24秒，加到原时间上）。

方法2：用apply逐行处理 #

如果需要更灵活的自定义逻辑，可以用apply对每行的mins值单独计算：

df['total_time'] = df['mins'].apply(lambda x: current_time + datetime.timedelta(minutes=x))

这个方法逻辑直观，但数据量较大时，性能会比方法1差一些，毕竟是逐行遍历处理。

方法3：转换为Pandas Timestamp处理 #

如果后续还要做更多时间相关的操作，把current_time转成Pandas的Timestamp会更方便：

# 转换为Timestamp
current_ts = pd.Timestamp(current_time)
# 计算时间列
df['total_time'] = current_ts + pd.to_timedelta(df['mins'], unit='m')

# 若需要转回datetime.datetime类型，可添加这一步：
# df['total_time'] = df['total_time'].dt.to_pydatetime()

Timestamp支持更多Pandas专属的时间函数，适合复杂时间场景。

内容的提问来源于stack exchange，提问作者Shubham R