Pandas中将hh:mm:ss时间格式转换为总分钟数的教程

问题背景与挑战

在数据处理中，我们经常会遇到时间数据以字符串形式（如hh:mm:ss）存储的情况。当需要对这些时间进行数值计算，例如将其转换为总分钟数以便进行聚合或分析时，就需要进行格式转换。例如，将1:33:04（1小时33分钟4秒）转换为分钟，期望得到93.06分钟或93分钟。直接对字符串进行数学运算会导致错误，因此需要一套有效的方法来解析并计算。

假设我们有以下Pandas DataFrame：

import pandas as pd

df = pd.DataFrame({'Name': ["Jim", "Chrissy", "Billy"], 'Time': ['1:33:04', '0:06:39', '10:00:02']})
print("原始DataFrame:")
print(df)

输出：

原始DataFrame:
      Name      Time
0      Jim   1:33:04
1  Chrissy   0:06:39
2    Billy  10:00:02

我们的目标是创建一个名为_timemin的新列，其中包含Time列对应的总分钟数。

常见错误分析

在尝试将hh:mm:ss格式的字符串转换为分钟时，初学者可能会遇到一些问题。例如，以下尝试代码：

# 错误的尝试
# df['_timemin'] = df['Time'].str.split(':').apply(lambda x: (int(x[0])*60) + int(x[1])) + int(x[2]/60)

这段代码会产生NameError: name 'x' is not defined或其他类似错误。其主要问题在于：

1. apply方法的作用域不正确： apply方法应该作用于整个lambda表达式，而不是部分。在上述代码中，apply(lambda x: (int(x[0])*60) + int(x[1])) 试图在 apply 内部完成计算，但紧接着的 + int(x[2]/60) 却在 apply 外部，导致 x 变量在外部未定义。
2. 字符串元素未完全转换： 在进行数学运算前，所有从字符串中分割出来的元素（x[0], x[1], x[2]）都必须显式地转换为数值类型（例如int）。错误的代码中，x[2]在int(x[2]/60)中被当作字符串进行了除法运算，然后才尝试转换为整数，这是不符合逻辑的。

解决方案一：基于字符串分割与Lambda表达式

这种方法直接修正了上述错误，通过str.split(':')将时间字符串分割成小时、分钟、秒的列表，然后使用apply和lambda表达式对每个列表进行计算。

import pandas as pd

df = pd.DataFrame({'Name': ["Jim", "Chrissy", "Billy"], 'Time': ['1:33:04', '0:06:39', '10:00:02']})

# 1. 获取整数总分钟数 (向下取整)
# 将小时、分钟、秒都转换为整数，秒通过整数除法（//）转换为分钟
df['_timemin_int'] = df['Time'].str.split(':').apply(lambda x: int(x[0]) * 60 + int(x[1]) + int(x[2]) // 60)
print("\n方法一：整数总分钟数")
print(df)

# 2. 获取浮点数总分钟数 (保留秒的精度)
# 将小时、分钟、秒都转换为整数，秒通过浮点除法（/）转换为分钟
df['_timemin_float'] = df['Time'].str.split(':').apply(lambda x: int(x[0]) * 60 + int(x[1]) + int(x[2]) / 60)
print("\n方法一：浮点数总分钟数")
print(df)

代码解释：

• df['Time'].str.split(':'): 这会将Time列中的每个字符串按:分割，生成一个包含小时、分钟、秒字符串的列表（例如['1', '33', '04']）。
• .apply(lambda x: ...): 对split操作产生的每个列表x应用一个匿名函数。
• int(x[0]) * 60: 将小时字符串x[0]转换为整数并乘以60，得到小时对应的分钟数。
• int(x[1]): 将分钟字符串x[1]转换为整数。
• int(x[2]) // 60 (整数分钟)：将秒字符串x[2]转换为整数，然后使用整数除法//将其转换为分钟数（向下取整）。
• int(x[2]) / 60 (浮点分钟)：将秒字符串x[2]转换为整数，然后使用浮点除法/将其转换为分钟数，保留小数部分。

解决方案二：利用Pandas内置时间序列功能（推荐）

对于更复杂或大规模的时间数据处理，Pandas提供了强大的Timedelta对象。将时间字符串转换为Timedelta对象，然后提取总秒数并转换为分钟，是更健壮、更符合Pandas惯例且通常性能更优的方法。

Midjourney

当前最火的AI绘图生成工具，可以根据文本提示生成华丽的视觉图片。

454

查看详情

import pandas as pd

df = pd.DataFrame({'Name': ["Jim", "Chrissy", "Billy"], 'Time': ['1:33:04', '0:06:39', '10:00:02']})

# 1. 将时间字符串转换为Timedelta对象
df['Time_timedelta'] = pd.to_timedelta(df['Time'])

# 2. 从Timedelta对象中提取总秒数，并转换为总分钟数
df['_timemin_td'] = df['Time_timedelta'].dt.total_seconds() / 60

print("\n方法二：利用Timedelta对象转换")
print(df)

代码解释：

• pd.to_timedelta(df['Time']): 这是核心步骤。Pandas会自动解析hh:mm:ss格式的字符串，并将其转换为Timedelta类型。Timedelta对象表示一个时间差，它支持各种时间单位的计算。
• .dt.total_seconds(): 这是Timedelta序列的一个访问器，用于获取每个时间差的总秒数（以浮点数表示）。
• / 60: 将总秒数除以60，即可得到总分钟数。

这种方法不仅代码更简洁，而且由于利用了Pandas底层的优化，对于大型数据集通常具有更好的性能。

完整示例与对比

为了清晰地展示所有方法的输出，我们将其整合到一个完整的示例中：

import pandas as pd

df = pd.DataFrame({'Name': ["Jim", "Chrissy", "Billy"], 'Time': ['1:33:04', '0:06:39', '10:00:02']})

# 方法一：基于字符串分割与Lambda表达式
# 1.1 获取整数总分钟数 (向下取整)
df['_timemin_int'] = df['Time'].str.split(':').apply(lambda x: int(x[0]) * 60 + int(x[1]) + int(x[2]) // 60)

# 1.2 获取浮点数总分钟数 (保留秒的精度)
df['_timemin_float'] = df['Time'].str.split(':').apply(lambda x: int(x[0]) * 60 + int(x[1]) + int(x[2]) / 60)

# 方法二：利用Pandas内置时间序列功能（推荐）
df['Time_timedelta'] = pd.to_timedelta(df['Time'])
df['_timemin_td'] = df['Time_timedelta'].dt.total_seconds() / 60

print("最终结果对比:")
print(df)

输出结果：

最终结果对比:
      Name      Time Time_timedelta  _timemin_int  _timemin_float  _timemin_td
0      Jim   1:33:04        01:33:04            93       93.066667    93.066667
1  Chrissy   0:06:39        00:06:39             6        6.650000     6.650000
2    Billy  10:00:02        10:00:02           600      600.033333   600.033333

从结果可以看出，_timemin_float和_timemin_td列的结果是完全一致的，都精确到了秒的小数部分。_timemin_int列则进行了向下取整。

注意事项与总结

• 数据类型转换： 在进行任何数学运算之前，务必确保将从字符串中提取的数值转换为正确的数值类型（int或float）。这是避免TypeError的关键。
• 选择合适的精度： 根据你的分析需求，决定是需要整数分钟数（使用//进行整数除法）还是浮点数分钟数（使用/进行浮点除法）。
• 推荐使用pd.to_timedelta： 尽管基于字符串分割的方法可以直接解决问题，但pd.to_timedelta是处理时间数据的更专业、更高效且更健壮的方法。它能够处理更广泛的时间格式，并且是Pandas时间序列功能的基础，能更好地与后续的时间序列分析操作集成。
• 错误处理： 对于生产环境中的数据，如果Time列可能包含非标准或无效的字符串，pd.to_timedelta提供了errors参数（如errors='coerce'可以将无法解析的值转换为NaT，即Not a Time），这有助于更好地处理异常数据。

通过本教程，你现在应该能够根据具体需求，灵活且高效地在Pandas DataFrame中将hh:mm:ss格式的时间字符串转换为总分钟数。

以上就是Pandas中将hh:mm:ss时间格式转换为总分钟数的教程的详细内容，更多请关注php中文网其它相关文章！