本文详解如何解决 TypeError: cannot subtract DateTimeArray from ndarray 错误，通过统一时间类型、正确执行时间差运算，并生成带单位的持续时间列。
本文详解如何解决 `typeerror: cannot subtract datetimearray from ndarray` 错误，通过统一时间类型、正确执行时间差运算，并生成带单位的持续时间列。
在使用 Pandas 处理时间数据时，常见错误如 TypeError: cannot subtract DateTimeArray from ndarray 通常源于混合数据类型参与运算——例如将 pd.Series（含 datetime64[ns]）与 np.ndarray 或非时间类型（如 object 或 string）直接相减。你提供的代码中，pd.to_datetime(...).dt.date + pd.DateOffset(hours=17) - pd.to_datetime(...) 存在多重隐患：.dt.date 返回的是 Python date 对象（丢失时间精度且无法与 DateOffset 原生兼容），导致后续减法退化为 ndarray 操作，最终触发类型不匹配异常。
✅ 正确做法是：确保所有参与运算的时间列均为 datetime64[ns] 类型，并直接进行向量化时间差计算。以下是推荐的完整流程：
import pandas as pd
import numpy as np
# 读取文件（修正原逻辑：避免重复 break，统一处理）
if file_path.endswith(".csv"):
df = pd.read_csv(file_path)
else:
df = pd.read_excel(file_path, engine="openpyxl")
# ✅ 关键步骤：强制转换为 datetime，并自动处理空值/异常格式
df["Date/Time Opened"] = pd.to_datetime(df["Date/Time Opened"], errors="coerce")
df["Date/Time Closed"] = pd.to_datetime(df["Date/Time Closed"], errors="coerce")
# ✅ 安全计算时间差（单位：小时）
# .dt.total_seconds() 自动处理 NaT → NaN，结果为浮点数
df["Duration (hours)"] = (
(df["Date/Time Closed"] - df["Date/Time Opened"]).dt.total_seconds() / 3600
)
# 可选：保留两位小数，提升可读性
df["Duration (hours)"] = df["Duration (hours)"].round(2)
? 注意事项：
-
errors="coerce"参数至关重要：它将无法解析的时间字符串转为NaT（Not a Time），避免ValueError中断执行； - 时间差结果为
Timedelta类型，.dt.total_seconds()是其标准访问器，不可用于普通float或str列； - 若需排除负值（如关闭时间早于开启时间），可追加过滤：
df["Duration (hours)"] = df["Duration (hours)"].clip(lower=0)； - 如需以“天:小时:分钟”格式展示，可用
.dt.components，但数值计算仍推荐秒/小时制。
? 总结：Pandas 时间运算的核心原则是「类型先行」——务必先用 pd.to_datetime() 统一列类型，再调用 .dt 访问器进行安全、高效的向量化计算。跳过类型校验或混用 .dt.date / .dt.time 等降维操作，是引发此类 TypeError 的根本原因。
