Python 2.7 如何根据熊猫中两列的时差创建新列？

我有一个包含时间x和时间y的数据帧，格式如下：

# 2015-10-01 23:59:59.997
%Y-%m-%d %H:%M:%S.%f

我不能只是：

df['TimeDiff'] = datetime.strptime(df['Time_x'], '%Y-%m-%d %H:%M:%S.%f') - \
                 datetime.strptime(df['Time_y'], '%Y-%m-%d %H:%M:%S.%f')

我不能这样做以返回差异：

# Defining a function to call with Pandas to apply()
def time_difference(a):
    Time_x, Time_y = a
    c = datetime.strptime(Time_x, '%Y-%m-%d %H:%M:%S.%f') - datetime.strptime(Time_y, '%Y-%m-%d %H:%M:%S.%f')

    if c.days < 1:
        if c.minute <= 15:
            return c.minute
        else:
            return c.days
    else:
        None

# Creating a new column using my function.
# Error: “Too many values to unpack” Exception
df['TimeDiff'] = df[['Time_x', 'Time_y']].apply(time_difference)

#使用Pandas to apply（）定义要调用的函数
def时间差（a）：
时间x，时间y=a
c=datetime.strTime（时间x，%Y-%m-%d%H:%m:%S.%f'）-datetime.strTime（时间Y，%Y-%m-%d%H:%m:%S.%f'））
如果c.天<1：
如果c.minuteIIUC，并且您正在从csv文件读取数据，如下所示：

time_x,time_y
2015-10-01 23:59:59.997,2015-10-01 23:58:59.997
2015-10-01 23:57:59.997,2015-10-01 23:59:59.997

我会阅读并解析日期：

df = pd.read_csv('yourfile.csv', parse_dates=['time_x','time_y'])

因此，您可以在以后申请：

df['TimeDiff'] = (df['time_x'] - df['time_y']).dt.seconds

返回：

                   time_x                  time_y  TimeDiff
0 2015-10-01 23:59:59.997 2015-10-01 23:58:59.997        60
1 2015-10-01 23:57:59.997 2015-10-01 23:59:59.997     86280

通过这种方式，您可以指定所需的时间单位（
dt.hour
，
dt.minute
等）。
仅供参考，我正在使用pd.read\u csv从csv读取数据。df.info（）显示：Time_x和Time_y为对象。使用parse_dates后，我将Time_x视为datetime64[ns]。令人惊叹的！看起来不错！性能降低了（在我的df中有超过1M行），但我认为这是因为数据类型以日期和对象的形式存储了更多的数据。我还忘了提到时间x，时间y是pd.merge的结果。我分析了原始数据上的日期，合并自动复制了数据类型。我现在假设，我可以在merge上使用相同的时差逻辑来过滤以秒为单位的时差，以减少df大小。