如何在DataFrame中生成含次日判断的datetime对象？

你可以通过矢量化操作高效实现这个需求，避免逐行循环，适合大数据量场景，具体步骤如下：

1. 准备示例数据 #

假设你的DataFrame包含initial_datetime（已转为datetime类型）和second_time（time类型）两列：

import pandas as pd
from datetime import datetime, time

# 构造示例DataFrame
data = {
    'initial_datetime': [datetime(2025, 1, 1, 22, 25), datetime(2025, 1, 3, 10, 0)],
    'second_time': [time(1, 25), time(9, 30)]
}
df = pd.DataFrame(data)

2. 生成目标datetime对象 #

核心思路是：先基于初始日期拼接后续时间得到基础datetime，再判断后续时间是否早于初始时间，若是则追加一天：

# 提取初始datetime的时间部分
initial_time = df['initial_datetime'].dt.time
# 标记需要跨日的行（后续时间早于初始时间）
cross_day_mask = df['second_time'] < initial_time

# 将初始日期与后续时间拼接为基础datetime
base_second_dt = df['initial_datetime'].dt.date + pd.to_timedelta(df['second_time'].astype(str))

# 根据掩码为跨日的行添加一天
df['second_datetime'] = base_second_dt + pd.to_timedelta(cross_day_mask.astype(int), unit='D')

3. 结果验证 #

处理后df的second_datetime列会得到：

• 第一行：2025-01-02 01:25:00（跨日）
• 第二行：2025-01-03 09:30:00（当日）

如果数据量较小，也可以用apply方法实现逻辑（代码更直观但效率略低）：

df['second_datetime'] = df.apply(
    lambda row: row['initial_datetime'].date() + pd.to_timedelta(row['second_time'].astype(str)) + pd.Timedelta(days=1)
    if row['second_time'] < row['initial_datetime'].time()
    else row['initial_datetime'].date() + pd.to_timedelta(row['second_time'].astype(str)),
    axis=1
)

内容的提问来源于stack exchange，提问作者user8793002