很难看出代码的问题所在；鉴于您的评论，我的猜测是时区转换存在问题。

我无法准确看到问题，购买我的建议以帮助调试您的情况是将所有时间转换为时间戳- 默认情况下，自纪元（1970 年 1 月 1 日）以来的秒数。然后这些只是正常值float64（我在下面转换为整数微秒）。如果您的差异仍然返回零，减去简单的数字，那么问题就不会出现在差异上。

这是一个最小的工作示例。一个带有毫秒频率时间戳的简单日期帧：

import pandas as pd
from datetime import datetime

In [1]: df = pd.DataFrame(pd.date_range(start=datetime(2016,1,1,0,0,1), 
    ...:     end=datetime(2016,1,1,0,0,2), freq='ms'), columns=["dates"]).head(10)    # just take first 10 rows for simplicity

创建一个新列，将日期转换为自纪元以来的微秒，作为整数：

In [2]: df["timestamps"] = df.dates.apply(lambda x: int(datetime.timestamp(x) * 1e6))                              

In [3]: df                                                                                                         
Out[3]: 
                    dates        timestamps
0 2016-01-01 00:00:01.000  1451602801000000
1 2016-01-01 00:00:01.001  1451602801001000
2 2016-01-01 00:00:01.002  1451602801002000
3 2016-01-01 00:00:01.003  1451602801003000
4 2016-01-01 00:00:01.004  1451602801004000
5 2016-01-01 00:00:01.005  1451602801005000
6 2016-01-01 00:00:01.006  1451602801006000
7 2016-01-01 00:00:01.007  1451602801007000
8 2016-01-01 00:00:01.008  1451602801008000
9 2016-01-01 00:00:01.009  1451602801009000

此时您可以使用以下方法检查您的任何列中是否没有重复项：

In [4]: df.T.duplicated()                                                                                          
Out[4]: 
dates         False
timestamps    False
dtype: bool

如果有重复，那可能是差异为零的原因。

现在计算差异，在我的例子中是所有 1 毫秒的差异（1000 微秒）：

In [5]: df[["date_diffs", "timestamp_diffs"]] = df.diff(1)                                                        

In [6]: df                                                                                                        
Out[6]: 
                    dates        timestamps      date_diffs  timestamp_diffs
0 2016-01-01 00:00:01.000  1451602801000000             NaT              NaN
1 2016-01-01 00:00:01.001  1451602801001000 00:00:00.001000           1000.0
2 2016-01-01 00:00:01.002  1451602801002000 00:00:00.001000           1000.0
3 2016-01-01 00:00:01.003  1451602801003000 00:00:00.001000           1000.0
4 2016-01-01 00:00:01.004  1451602801004000 00:00:00.001000           1000.0
5 2016-01-01 00:00:01.005  1451602801005000 00:00:00.001000           1000.0
6 2016-01-01 00:00:01.006  1451602801006000 00:00:00.001000           1000.0
7 2016-01-01 00:00:01.007  1451602801007000 00:00:00.001000           1000.0
8 2016-01-01 00:00:01.008  1451602801008000 00:00:00.001000           1000.0
9 2016-01-01 00:00:01.009  1451602801009000 00:00:00.001000           1000.0

添加样本零差并检索零差的索引：

In [7]: df.iloc[3, 3] = 0.0                                                                                       

In [8]: np.where(df == 0)                                                                                         
Out[8]: (array([3]), array([3]))

希望这足以找到实际上可能是零差异的地方。如果所有这些都没有零差异，我会查看您的时区转换（也许他们在那里做了一些四舍五入？）或向熊猫问题报告错误

编辑

更新后尝试我的调试方法，并看到这个：

我相信您的系统必须存在错误或固有限制。

熊猫虫

错误可能存在于您特定版本的 Pandas 及其df.diff()方法中。检查您的 Pandas 版本，pd.__version__并查看我上面链接的问题页面以获取任何线索......也许只是尝试最新的稳定版本。

32位系统

另一种可能的解决方案是您在 32 位系统上运行，因此实际上可能会失去我上面示例所需的精度。32 位整数只能保留 10 位的精度。我上面的时间戳需要 12 位数字。您可以在Linux或Windows或Mac上找到这样的信息。

此外，您可以重试我的示例，但只看seconds而不是microseconds，只是为了确定。