用pandas库新增加一列，检验时间字段为空的，用处理时间减去接收时间字段，检验时间不为空，用处理时间减去检验时间字段的代码

好的，针对你的问题，这里给出两个代码示例，分别是针对检验时间字段为空和不为空的情况。

1. 检验时间字段为空的情况：

首先，仍然假设你的 DataFrame 叫做 `df`，时间字段叫做 `time`，接收时间字段叫做 `receive_time`，则可以使用以下代码新增加一列：

df['time_diff'] = None

接着，使用 Pandas 的 `isnull()` 函数筛选出检验时间为空的行，再使用 Pandas 的 `apply()` 函数对这些行进行处理，计算时间差，并把结果赋值给 `time_diff` 列：

import pandas as pd

def calculate_time_diff(row):
    if pd.isnull(row['time']):
        return row['processing_time'] - row['receive_time']
    else:
        return None

null_rows = df[pd.isnull(df['time'])]
df.loc[null_rows.index, 'time_diff'] = null_rows.apply(calculate_time_diff, axis=1)

这段代码与之前的类似，只是将 `notnull()` 改为了 `isnull()`，并在 `calculate_time_diff()` 函数中进行了计算。同样需要注意 `apply()` 函数的 `axis` 参数必须设置为 1。

2. 检验时间字段不为空的情况：

同样地，使用以下代码新增加一列：

df['time_diff'] = None

接着，使用 Pandas 的 `notnull()` 函数筛选出检验时间不为空的行，再使用 Pandas 的 `apply()` 函数对这些行进行处理，计算时间差，并把结果赋值给 `time_diff` 列：

import pandas as pd

def calculate_time_diff(row):
    if pd.notnull(row['time']):
        return row['processing_time'] - row['time']
    else:
        return None

not_null_rows = df[pd.notnull(df['time'])]
df.loc[not_null_rows.index, 'time_diff'] = not_null_rows.apply(calculate_time_diff, axis=1)

这段代码与之前的类似，只是将 `isnull()` 改为了 `notnull()`，并在 `calculate_time_diff()` 函数中进行了计算。同样需要注意 `apply()` 函数的 `axis` 参数必须设置为 1。

希望这两个代码示例能够帮到你！