时间字符串的时差（只需要计算分钟的差异然后转换为秒）答案

【问题标题】：Time difference of time string (only want the calculate the difference of the minutes then convert to seconds)时间字符串的时差（只需要计算分钟的差异然后转换为秒）
【发布时间】：2019-08-11 17:30:23
【问题描述】：

我有 2 次开始和结束时间 (lasttime)，格式为 (HH:MM:SS)。我需要找到分钟之间的时间差（以秒为单位）

【问题讨论】：

What should I do when someone answers my question?

标签： python pandas datetime

【解决方案1】：

在您的字符串列上，请使用下面的代码

from datetime import timedelta
df['diffT']=(pd.to_datetime(df['StartTime_str'], format='%H:%M:%S')-pd.to_datetime(df['LastTime_str'], format='%H:%M:%S'))//timedelta(seconds=1)

【讨论】：

你能解释一下我为什么要使用 timedelta 吗？目前您的代码并不能完全满足我的需要，这只是分钟（以秒为单位）之间的差异，谢谢
datetime 对象不能直接相互减去，因此需要 timedelta。对我来说，当我使用您的数据时，我可以完美地在几分钟内获得差异。使用(pd.to_datetime(df['StartTime_str'], format='%H:%M:%S')，我们将列转换为日期时间对象，然后对其进行减法操作。
感谢您解释这是我可以解决的方法是索引 2 处的 StartTime（例如 00:07:05）和索引 3 处的 LastTime（00:02:05）等的差异并继续解决这个问题，同时沿着这样的列走下去？ UDP_interval['diffT']=(pd.to_datetime(UDP_interval.iloc[[2 ,0 ] , : ], format='%H:%M:%S')-pd.to_datetime(UDP_interval.iloc[[1 ,0 ] , : ], format='%H:%M:%S'))//timedelta(minutes=60)
试试这个，看看这是不是你想要的df['diffT']=(pd.to_datetime(df['LastTime'].shift(-1), format='%H:%M:%S')-pd.to_datetime(df['StartTime'], format='%H:%M:%S'))//timedelta(seconds=1) 与以前相比唯一的变化是shift(-1)。你可以修改 shift 里面的值来得到你想要的结果

【解决方案2】：

数据：

StartTime,LastTime
00:02:05,00:03:05
00:02:05,00:05:05
00:07:05,00:10:05
00:07:05,00:15:05
00:12:06,00:30:06
00:12:06,00:35:06

创建`DataFrame`:

来自剪贴板：

df = pd.read_clipboard(sep=',')

来自 csv：

df = pd.read_csv('UDP_interval.csv', delim_whitespace=True, usecols=['StartTime','LastTime'])

`df`:

`df.info()`:

<class 'pandas.core.frame.DataFrame'>
Int64Index: 6 entries, 0 to 5
Data columns (total 2 columns):
StartTime    6 non-null object
LastTime     6 non-null object
dtypes: object(2)
memory usage: 144.0+ bytes

功能：

def seconds_between(x):
    time_format = "%H:%M:%S"
    t1 = datetime.strptime(x[0], time_format)
    t2 = datetime.strptime(x[1], time_format)
    return abs((t2 - t1).seconds)

应用函数：

df['Diff_sec'] = df.apply(seconds_between, axis=1)

决赛：