如何将从日期提取的小时转换为含日期偏移的累计小时数？

嘿，这个需求其实很好实现，核心就是把日期时间转成可计算的格式，然后以第一天为基准累加小时。咱们一步步来：

1. 先把日期字符串转成datetime类型 #

首先得把你的POETime和POXTime这两列从字符串转成pandas能识别的datetime对象，这样才能做日期差计算：

import pandas as pd

# 假设你的DataFrame叫df，替换成你实际的变量名即可
df['POETime'] = pd.to_datetime(df['POETime'], format='%d/%m/%Y %H:%M')
df['POXTime'] = pd.to_datetime(df['POXTime'], format='%d/%m/%Y %H:%M')

2. 确定基准日期 #

取DataFrame里第一条记录的日期作为基准（只保留日期部分，忽略具体时间）：

base_date = df['POXTime'].dt.date.iloc[0]

3. 计算每个记录与基准日的天数差 #

用每个记录的日期减去基准日，得到相隔的天数：

df['days_since_base'] = (df['POXTime'].dt.date - base_date).dt.days

4. 计算累计小时数 #

这里要注意：pandas的dt.hour返回的是0-23的小时数，而你需要的是1-24的格式，所以先加1转成你需要的范围，再加上天数差乘以24的累计小时：

# 处理POXTime的累计小时
df['POXHour_cumulative'] = df['days_since_base'] * 24 + (df['POXTime'].dt.hour + 1)

# 同理处理POETime的累计小时
df['POEHour_cumulative'] = df['days_since_base'] * 24 + (df['POETime'].dt.hour + 1)

验证一下你的示例 #

拿你给的日期切换例子测试：

• 01/05/2018 00:09：dt.hour是0，加1得1，天数差0，累计小时就是0*24+1=1，和你示例里的结果一致。
• 02/05/2018 02:17：dt.hour是2，加1得3，天数差1，累计小时=1*24+3=27，完美匹配你的示例。
• 02/05/2018 17:18：dt.hour是17，加1得18，天数差1，累计小时=24+18=42，也和你要的结果对得上。

这样处理后，不管后续有多少天的数据，都会自动按24的倍数累加小时数，完全满足你的需求。

内容的提问来源于stack exchange，提问作者djj1994