Pandas中将hh:mm:ss时间格式转换为总分钟数

在数据分析和处理中，我们经常会遇到需要将特定格式的时间字符串转换为数值类型以进行计算或分析的场景。例如，将hh:mm:ss（小时:分钟:秒）格式的时间转换为总分钟数，这对于计算持续时间、效率指标等非常有用。

考虑以下示例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)

我们的目标是创建一个新列，将Time列中的hh:mm:ss格式转换为总分钟数，例如10:00:02应转换为600.03分钟。

方法一：使用字符串分割 (str.split) 和 Lambda 函数

这种方法通过将时间字符串按冒号分割成小时、分钟和秒，然后手动进行数学运算来计算总分钟数。

常见错误分析

在尝试手动转换时，可能会遇到一些常见的错误。例如，一个常见的错误尝试是：

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

这个错误尝试存在几个问题：

1. apply方法未正确闭合： apply(lambda x: ...) 后的括号没有正确匹配，导致后续的 + int(x[2]/60) 不在 apply 的作用域内，x 自然就未定义。
2. 数据类型转换不完整： x[2]（秒数）在进行除法运算前未转换为数值类型。
3. 索引使用不当： 即使修正了语法，x 是一个列表，x[0]、x[1]、x[2] 分别代表小时、分钟、秒，都需要正确地转换为整数再进行计算。

正确的实现

为了正确实现，我们需要确保Lambda函数内部包含了所有的计算逻辑，并且所有字符串片段都已转换为数值类型。

1. 转换为整数分钟（向下取整）

Tanka

具备AI长期记忆的下一代团队协作沟通工具

110

查看详情

如果需要将秒数转换为分钟后进行向下取整（例如，60秒算作1分钟，59秒算作0分钟），可以使用整数除法 //。

df['_timemin_int'] = df['Time'].str.split(':').apply(
    lambda x: int(x[0]) * 60 + int(x[1]) + int(x[2]) // 60
)
print("\n使用str.split和apply转换为整数分钟:")
print(df)

2. 转换为浮点分钟

如果需要更精确的浮点分钟数，可以使用浮点除法 /。

df['_timemin_float'] = df['Time'].str.split(':').apply(
    lambda x: int(x[0]) * 60 + int(x[1]) + int(x[2]) / 60
)
print("\n使用str.split和apply转换为浮点分钟:")
print(df)

这种方法的优点是直观，易于理解其内部逻辑。然而，它相对繁琐，且在处理非标准时间格式时不够健壮。

方法二：利用 Pandas 的 to_timedelta 函数（推荐）

Pandas 提供了一个更强大、更推荐的工具 pd.to_timedelta，它可以将多种时间字符串格式转换为Timedelta对象。Timedelta对象表示一个时间差，我们可以轻松地从中提取总秒数，然后转换为分钟。

这种方法更符合Pandas的惯用法，代码更简洁，并且在处理各种时间格式时更健壮。

# 重新创建DataFrame以展示干净的转换
df_td = pd.DataFrame({
    'Name': ["Jim", "Chrissy", "Billy"],
    'Time': ['1:33:04', '0:06:39', '10:00:02']
})

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

# 从Timedelta对象中提取总秒数，然后转换为分钟
df_td['_timemin_td'] = df_td['TimeDelta'].dt.total_seconds() / 60

print("\n使用pd.to_timedelta进行转换:")
print(df_td)

优点：

• 简洁性： 代码量少，可读性高。
• 健壮性： pd.to_timedelta能够智能地解析多种时间格式，甚至可以处理一些不规范的输入（通过errors参数）。
• 性能： 对于大型数据集，Pandas的向量化操作通常比apply结合Python循环更快。
• 功能丰富： Timedelta对象本身提供了丰富的属性和方法，方便进行进一步的时间差计算。

注意事项与总结

1. 数据类型转换： 在进行数值计算前，务必确保将字符串转换为正确的数值类型（int或float）。这是避免TypeError或逻辑错误的关键。
2. 精度选择： 根据实际需求选择是保留浮点精度（/）还是进行整数分钟的向下取整（//）。
3. 推荐 pd.to_timedelta： 对于Pandas中的时间数据处理，强烈推荐使用pd.to_timedelta。它不仅代码简洁、易于维护，而且在处理复杂时间逻辑和大规模数据时表现更优。
4. 错误处理： 如果时间列中可能存在无效或缺失值，pd.to_timedelta的errors参数非常有用。例如，pd.to_timedelta(df['Time'], errors='coerce') 会将无法解析的值转换为NaT（Not a Time），从而避免程序崩溃。

通过掌握上述方法，您可以高效、准确地在Pandas中进行时间格式的转换，为后续的数据分析奠定坚实基础。

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