我有一个数据框，其中有一列时间戳类型。我想查找自午夜以来经过的时间（以秒为单位）作为新列。如何以简单的方式做到这一点？
例如： 输入：
samples['time']
2018-10-01 00:00:01.000000000
2018-10-01 00:00:12.000000000
type(samples['time'].iloc[0])
<class 'pandas._libs.tslib.Timestamp'>
输出：
samples['time_elapsed']
1
12
【问题讨论】：
标签： pandas python-datetime timedelta
当前的答案要么太复杂，要么太专业。
samples = pd.DataFrame(data=['2018-10-01 00:00:01', '2018-10-01 00:00:12'], columns=['time'], dtype='datetime64[ns]')
samples['time_elapsed'] = ((samples['time'] - samples['time'].dt.normalize()) / pd.Timedelta('1 second')).astype(int)
print(samples)
time time_elapsed
0 2018-10-01 00:00:01 1
1 2018-10-01 00:00:12 12
【讨论】：
请注意，每一行中的日期部分可能是其他的（不是来自一个 和同一天），所以你不能采取任何“基准日期”（午夜） 对于整个 DataFrame，就像在其他解决方案之一中看到的那样。
我的意图也不是“污染”源 DataFrame 与任何中间列，例如时间（实际上是日期和时间） 作为字符串转换为“真”日期时间。
那么我的提议是：
上述所有步骤都在一个专用函数中。
所以要完成任务，定义一个函数：
def secSinceMidnight(datTimStr):
tt = pd.to_datetime(datTimStr).time()
return tt.hour * 3600 + tt.minute * 60 + tt.second
然后调用：
samples['Secs'] = samples.time.apply(secSinceMidnight)
对于源数据：
samples = pd.DataFrame(data=[
[ '2018-10-01 00:00:01' ], [ '2018-10-01 00:00:12' ],
[ '2018-11-02 01:01:10' ], [ '2018-11-04 03:02:15' ] ],
columns = ['time']);
当你打印结果时，你会看到：
time Secs
0 2018-10-01 00:00:01 1
1 2018-10-01 00:00:12 12
2 2018-11-02 01:01:10 3670
3 2018-11-04 03:02:15 10935
【讨论】：
在 Pandas 中执行此操作非常简单！
midnight = pd.Timestamp('2018-10-01 00:00:00')
print(pd.Timestamp('2018-10-01 00:00:01.000000000') - midnight).seconds
>
1
通过扩展，我们可以在 Pandas 系列中使用 apply：
samples = pd.DataFrame(['2018-10-01 00:00:01.000000000', '2018-10-01 00:00:12.000000000'], columns=['time'])
samples.time = pd.to_datetime(samples.time)
midnight = pd.Timestamp('2018-10-01 00:00:00')
samples['time_elapsed'] = samples['time'].apply(lambda x: (x - midnight).seconds)
samples
>
time time_elapsed
0 2018-10-01 00:00:01 1
1 2018-10-01 00:00:12 12
请注意，here 的答案使用了另一种方法：将时间戳与转换为日期的自身进行比较。这会将所有时间数据归零，因此相当于当天的午夜。此方法的性能可能稍高一些。
【讨论】：
我在我的一个项目中遇到了同样的问题，我是这样解决的（假设您的 time 列已转换为 Timestamp）：
(samples['time'] - samples['time'].dt.normalize()) / pd.Timedelta(seconds=1)
这种方法的美妙之处在于，您可以更改最后一部分以获取经过的秒数、分钟数、小时数或天数：
... / pd.Timedelta(seconds=1) # seconds elapsed
... / pd.Timedelta(minutes=1) # minutes elapsed
... / pd.Timedelta(hours=1) # hours elapsed
... / pd.Timedelta(days=1) # days elapsed
【讨论】：
datetime = samples['time']
(datetime - datetime.dt.normalize()).dt.total_seconds()
【讨论】：
我们可以做到：
samples['time'].dt.hour * 3600 +
samples['time'].dt.minute * 60 +
samples['time'].dt.second
【讨论】：