如何将DataFrame中两个时间戳差值向上取整为小时并新增列

你遇到的错误很典型：math.ceil()是用来处理单个数值的函数，没办法直接作用于Pandas的Series（整列数据），这就是为什么会抛出TypeError: cannot convert the series to <class 'float'>的原因。我们需要用矢量化的方法来处理整列数据，下面给你几个高效的解决方案：

方法1：使用NumPy的矢量化向上取整（推荐，效率最高） #

NumPy的np.ceil()可以直接处理Pandas Series，完美适配批量数据的取整需求：

import pandas as pd
import numpy as np

# 先确保时间列是datetime类型（如果还没转换的话）
df['timeStamp'] = pd.to_datetime(df['timeStamp'])
df['forecastRan'] = pd.to_datetime(df['forecastRan'])

# 计算时间差总小时数并向上取整
df['time_diff_ceil_hours'] = np.ceil((df['timeStamp'] - df['forecastRan']).dt.total_seconds() / 3600)

方法2：直接对Timedelta对象向上取整到小时 #

Pandas的Timedelta类型支持直接用dt.ceil()方法按时间单位取整，这种方式更直观，不需要手动计算秒数：

# 先计算时间差，再向上取整到最近的下一小时，最后提取小时数
df['time_diff_ceil_hours'] = (df['timeStamp'] - df['forecastRan']).dt.ceil('H').dt.total_seconds() / 3600

方法3：使用Pandas的apply方法（灵活但效率较低） #

如果你更习惯用math.ceil()，可以通过apply()把函数逐个应用到Series的每个元素上，但这种方法在大数据集上的效率不如前两种：

import math

df['time_diff_ceil_hours'] = (df['timeStamp'] - df['forecastRan']).dt.total_seconds().div(3600).apply(math.ceil)

验证结果 #

以你给出的第一行数据为例：2016-11-23 23:00:00和2016-11-23 12:18:00的时间差是10小时42分钟，也就是10.7小时，以上三种方法都会返回11.0，符合你向上取整到下一小时的需求。

内容的提问来源于stack exchange，提问作者nrvaller