使用Pandas计算Roadtrip行程耗时分钟差（字符串时间）

嘿，这个问题我熟，处理跨天的时间差确实得注意细节，我给你一步步来实现：

步骤1：准备环境与示例数据 #

首先导入Pandas并构造你提供的示例DataFrame：

import pandas as pd

# 构造示例行程数据
data = {
    'Leave': ['18:26', '12:18', '06:23', '15:52'],
    'Arrive': ['21:16', '14:19', '13:02', '03:14']
}
Roadtrip = pd.DataFrame(data)

步骤2：将字符串时间转换为datetime类型 #

我们需要把Leave和Arrive的字符串时间转成Pandas的datetime对象，这样才能进行时间差计算：

# 按"时:分"格式解析字符串，转换为datetime类型
Roadtrip['Leave_dt'] = pd.to_datetime(Roadtrip['Leave'], format='%H:%M')
Roadtrip['Arrive_dt'] = pd.to_datetime(Roadtrip['Arrive'], format='%H:%M')

这里默认日期会取当前系统日期，但我们只关心时间差，所以日期不影响最终结果。

步骤3：处理跨天场景并计算行程时间 #

核心逻辑是：如果到达时间早于出发时间，说明行程跨天了，需要给到达时间加1天，再计算时间差并转换为分钟数：

# 处理跨天情况：到达时间早于出发时间则加1天
Roadtrip['Arrive_dt'] = Roadtrip.apply(
    lambda row: row['Arrive_dt'] + pd.Timedelta(days=1) if row['Arrive_dt'] < row['Leave_dt'] else row['Arrive_dt'],
    axis=1
)

# 计算总耗时（转换为分钟数）
Roadtrip['TravelTime(in minutes)'] = (Roadtrip['Arrive_dt'] - Roadtrip['Leave_dt']).dt.total_seconds() // 60

# 清理中间生成的辅助列（可选）
Roadtrip = Roadtrip.drop(['Leave_dt', 'Arrive_dt'], axis=1)

最终结果 #

运行上述代码后，你会得到如下结果：

Leave Arrive  TravelTime(in minutes)
0  18:26  21:16                    170.0
1  12:18  14:19                    121.0
2  06:23  13:02                    399.0
3  15:52  03:14                    682.0

关键细节说明 #

• 用format='%H:%M'精准解析时间字符串，避免Pandas自动解析时出现异常。
• 使用pd.Timedelta(days=1)来处理跨天，逻辑清晰且不易出错。
• 用dt.total_seconds()计算总秒数再转分钟，比直接取dt.minutes更准确（后者只会取时间差的分钟部分，忽略小时）。

内容的提问来源于stack exchange，提问作者beluga217