DataFrame时间列差值计算与类型转换问题求助

嘿，我来帮你搞定这个时间列的问题！咱们一步步来拆解：

为啥第一个方案会报错？ #

当你用.dt.time把datetime64类型转成datetime.time对象后，这些对象在DataFrame里会被存成object类型——这就导致两个核心问题：

1. Python原生的datetime.time对象不支持减法操作，所以data['end'] - data['start']会直接抛出TypeError；
2. pandas的dt访问器只对datetime64类型的列生效，object类型列根本用不了.dt.hour这类属性。

针对你的需求，完美解决方案来啦 #

其实第二个方案里的默认日期（比如1900-01-01）完全不用在意！因为我们只需要时间部分的信息，这个默认日期不会影响任何计算，反而保留datetime64类型能让我们用上pandas的所有时间处理工具。

需求1：生成仅包含小时数的新列 #

直接用.dt.hour提取即可，它会自动忽略日期部分，只取时间里的小时：

data['Hour'] = data['start'].dt.hour

需求2：生成分钟级的时间差值新列 #

两个datetime64列相减得到Timedelta类型，我们可以用.total_seconds()把差值转成总秒数，再换算成分钟数：

# 得到整数分钟数（向下取整）
data['minutes'] = (data['end'] - data['start']).dt.total_seconds() // 60

# 如果需要带小数的精确分钟数，就用除法：
# data['minutes'] = (data['end'] - data['start']).dt.total_seconds() / 60

完整代码示例 #

# 第一步：正确转换为datetime64类型（默认日期不影响后续操作）
data['start'] = pd.to_datetime(data['start'], format='%H:%M:%S')
data['end'] = pd.to_datetime(data['end'], format='%H:%M:%S')

# 需求1：提取start列的小时数
data['Hour'] = data['start'].dt.hour

# 需求2：计算分钟级时间差
data['minutes'] = (data['end'] - data['start']).dt.total_seconds() // 60

可选：如果只想显示纯时间字符串 #

要是你只是不想在查看数据时看到默认日期，可以把列转成纯时间格式的字符串，但不建议这么做——因为转成字符串后会变回object类型，不利于后续的时间计算：

data['start_display'] = data['start'].dt.strftime('%H:%M:%S')
data['end_display'] = data['end'].dt.strftime('%H:%M:%S')

内容的提问来源于stack exchange，提问作者may