Pandas时间转分钟教程详解
各位小伙伴们,大家好呀!看看今天我又给各位带来了什么文章?本文标题是《Pandas将时间转为分钟教程》,很明显是关于文章的文章哈哈哈,其中内容主要会涉及到等等,如果能帮到你,觉得很不错的话,欢迎各位多多点评和分享!
1. 数据准备与需求分析
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型时间单位的需求。本教程的目标是将Pandas DataFrame中hh:mm:ss(时:分:秒)格式的时间列转换为以分钟为单位的总时长,可以保留小数(浮点分钟)或向下取整(整数分钟)。
首先,我们创建一个示例DataFrame:
import pandas as pd # 创建示例DataFrame df = pd.DataFrame({ 'Name': ["Jim", "Chrissy", "Billy"], 'Time': ['1:33:04', '0:06:39', '10:00:02'] }) print("原始DataFrame:") print(df)
输出的DataFrame如下所示:
原始DataFrame: Name Time 0 Jim 1:33:04 1 Chrissy 0:06:39 2 Billy 10:00:02
我们的目标是添加一个新列,例如_timemin,将Time列中的每个时间值转换为对应的总分钟数。例如,10:00:02应转换为600.03分钟。
2. 常见错误解析
在尝试进行此类转换时,初学者可能会遇到一些问题。以下是一个常见的错误尝试及其原因分析:
# 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) # 上述代码会产生 NameError: name 'x' is not defined
这个错误尝试存在以下几个关键问题:
- apply方法闭合问题: 表达式 df['Time'].str.split(':').apply(lambda x: (int(x[0])*60) + int(x[1])) 的 apply 方法在 int(x[1]) 之后就已结束。这意味着 + int(x[2]/60) 这部分代码是在 apply 方法外部执行的。
- lambda x作用域: 由于 + int(x[2]/60) 在 apply 外部,x 这个变量(代表当前行的时间列表)在 apply 外部是未定义的,从而导致 NameError: name 'x' is not defined。
- 数据类型转换: 即使 x[2] 能被访问到,它也是一个字符串(例如 "04" 或 "02"),在进行除法运算前必须先将其转换为数值类型(例如 int(x[2]))。
理解这些错误有助于我们构建正确的解决方案。
3. 解决方案详解
我们将提供两种基于str.split和apply方法的解决方案,分别用于获取整数分钟数和浮点分钟数。
3.1 获取整数分钟数(向下取整)
如果我们需要将秒数转换为分钟时进行向下取整(即忽略不足一分钟的秒数),可以使用整数除法 //。
# 方案一:转换为整数分钟数(向下取整) df_int_minutes = df.copy() # 使用副本,避免修改原始df df_int_minutes['_timemin_int'] = df_int_minutes['Time'].str.split(':').apply( lambda x: int(x[0]) * 60 + int(x[1]) + int(x[2]) // 60 ) print("\n转换为整数分钟数:") print(df_int_minutes)
代码解释:
- df_int_minutes['Time'].str.split(':'):将Time列的每个字符串按 : 分割,返回一个Series,其中每个元素是一个包含小时、分钟、秒字符串的列表(例如 ['1', '33', '04'])。
- .apply(lambda x: ...):对Series中的每个列表 x 执行lambda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:将秒字符串(x[2])转换为整数,然后使用整数除法 // 将秒转换为分钟,结果向下取整。
- 三部分相加,得到总的整数分钟数。
输出结果:
转换为整数分钟数: Name Time _timemin_int 0 Jim 1:33:04 93 1 Chrissy 0:06:39 6 2 Billy 10:00:02 600
3.2 获取浮点分钟数(精确到小数)
如果需要精确到小数的分钟数,则应使用浮点除法 / 将秒转换为分钟。
# 方案二:转换为浮点分钟数 df_float_minutes = df.copy() # 使用副本 df_float_minutes['_timemin_float'] = df_float_minutes['Time'].str.split(':').apply( lambda x: int(x[0]) * 60 + int(x[1]) + int(x[2]) / 60 ) print("\n转换为浮点分钟数:") print(df_float_minutes)
代码解释: 此方案与整数分钟数的代码类似,唯一区别在于将秒转换为分钟时使用了浮点除法 / (int(x[2]) / 60),以保留小数部分。
输出结果:
转换为浮点分钟数: Name Time _timemin_float 0 Jim 1:33:04 93.066667 1 Chrissy 0:06:39 6.650000 2 Billy 10:00:02 600.033333
4. 进阶方法与注意事项
4.1 使用 pd.to_timedelta 的更优雅方式
虽然上述str.split结合apply的方法能够解决问题,但Pandas提供了更强大和语义化的时间处理工具。对于hh:mm:ss这种标准时间格式,推荐使用pd.to_timedelta将其转换为时间差(Timedelta)对象,然后利用Timedelta对象的属性来获取总秒数或总分钟数。这种方法通常更健壮,且能处理更多复杂的时间格式。
# 进阶方法:使用 pd.to_timedelta df_timedelta = df.copy() df_timedelta['timedelta'] = pd.to_timedelta(df_timedelta['Time']) df_timedelta['_timemin_pd_elegant'] = df_timedelta['timedelta'].dt.total_seconds() / 60 print("\n使用pd.to_timedelta转换:") print(df_timedelta)
代码解释:
- pd.to_timedelta(df_timedelta['Time']):将Time列的字符串转换为Pandas Timedelta对象。Pandas能够智能识别hh:mm:ss格式。
- .dt.total_seconds():这是Timedelta Series的一个访问器,用于获取每个Timedelta对象的总秒数(浮点数)。
- / 60:将总秒数除以60,得到总分钟数。
输出结果:
使用pd.to_timedelta转换: Name Time timedelta _timemin_pd_elegant 0 Jim 1:33:04 0 days 01:33:04 93.066667 1 Chrissy 0:06:39 0 days 00:06:39 6.650000 2 Billy 10:00:02 0 days 10:00:02 600.033333
可以看出,_timemin_pd_elegant列的结果与_timemin_float列完全一致,但代码更简洁、可读性更强。
4.2 注意事项总结
- 数据类型转换: 在进行任何数学运算之前,务必确保从字符串中提取的组件(如小时、分钟、秒)已正确转换为数值类型(int或float)。
- Lambda函数作用域: 使用apply(lambda x: ...)时,确保所有对x元素的引用和计算逻辑都包含在lambda函数的括号内部,避免因作用域问题导致NameError。
- 除法运算符选择: 根据业务需求选择正确的除法运算符:
- //:整数除法,结果向下取整。适用于需要整数分钟数的场景。
- /:浮点除法,结果保留小数。适用于需要精确分钟数的场景。
- Pandas惯用方法: 对于时间数据处理,优先考虑使用Pandas内置的pd.to_timedelta、pd.to_datetime等函数,它们通常更高效、更健壮,且能处理更多边缘情况。
总结
本教程详细阐述了在Pandas中将hh:mm:ss格式时间字符串转换为总分钟数的多种方法。我们首先分析了使用str.split和apply时常见的错误,并提供了两种基于此方法的正确实现,分别用于获取整数分钟和浮点分钟。最后,我们介绍了使用pd.to_timedelta这一更符合Pandas风格的优雅解决方案。掌握这些方法将有助于您高效、准确地处理DataFrame中的时间数据,避免常见的类型转换和作用域错误。在实际项目中,推荐优先使用pd.to_timedelta以获得更好的代码可读性和鲁棒性。
以上就是本文的全部内容了,是否有顺利帮助你解决问题?若是能给你带来学习上的帮助,请大家多多支持golang学习网!更多关于文章的相关知识,也可关注golang学习网公众号。

- 上一篇
- Pythonseaborn热力图绘制教程

- 下一篇
- 华硕主机电源故障0x0000009C怎么解决
-
- 文章 · python教程 | 7分钟前 |
- Python操作Kafka入门指南
- 125浏览 收藏
-
- 文章 · python教程 | 11分钟前 |
- Django开发Web应用:Python快速入门指南
- 186浏览 收藏
-
- 文章 · python教程 | 15分钟前 | 性能优化 样式 数据读写 openpyxl PythonExcel
- Python操作Excel:openpyxl高级技巧详解
- 435浏览 收藏
-
- 文章 · python教程 | 27分钟前 |
- Python数据标准化方法与sklearn实战教程
- 464浏览 收藏
-
- 文章 · python教程 | 55分钟前 |
- 命令行运行Python脚本方法详解
- 110浏览 收藏
-
- 文章 · python教程 | 1小时前 | 异步编程 asyncio 事件循环 async/await Python协程
- Python协程是什么?异步编程详解教程
- 110浏览 收藏
-
- 文章 · python教程 | 1小时前 |
- Python嵌套列表填充False技巧
- 238浏览 收藏
-
- 文章 · python教程 | 1小时前 |
- Python生成器yield使用全解析
- 383浏览 收藏
-
- 文章 · python教程 | 1小时前 |
- Python中int类型详解及使用方法
- 396浏览 收藏
-
- 文章 · python教程 | 1小时前 | Python Python编程
- Python冷启动推荐:内容过滤算法解析
- 326浏览 收藏
-
- 文章 · python教程 | 1小时前 |
- PythonFlask入门教程与实战指南
- 292浏览 收藏
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 542次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 511次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 498次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 484次学习
-
- 千音漫语
- 千音漫语,北京熠声科技倾力打造的智能声音创作助手,提供AI配音、音视频翻译、语音识别、声音克隆等强大功能,助力有声书制作、视频创作、教育培训等领域,官网:https://qianyin123.com
- 117次使用
-
- MiniWork
- MiniWork是一款智能高效的AI工具平台,专为提升工作与学习效率而设计。整合文本处理、图像生成、营销策划及运营管理等多元AI工具,提供精准智能解决方案,让复杂工作简单高效。
- 114次使用
-
- NoCode
- NoCode (nocode.cn)是领先的无代码开发平台,通过拖放、AI对话等简单操作,助您快速创建各类应用、网站与管理系统。无需编程知识,轻松实现个人生活、商业经营、企业管理多场景需求,大幅降低开发门槛,高效低成本。
- 130次使用
-
- 达医智影
- 达医智影,阿里巴巴达摩院医疗AI创新力作。全球率先利用平扫CT实现“一扫多筛”,仅一次CT扫描即可高效识别多种癌症、急症及慢病,为疾病早期发现提供智能、精准的AI影像早筛解决方案。
- 122次使用
-
- 智慧芽Eureka
- 智慧芽Eureka,专为技术创新打造的AI Agent平台。深度理解专利、研发、生物医药、材料、科创等复杂场景,通过专家级AI Agent精准执行任务,智能化工作流解放70%生产力,让您专注核心创新。
- 127次使用
-
- Flask框架安装技巧:让你的开发更高效
- 2024-01-03 501浏览
-
- Django框架中的并发处理技巧
- 2024-01-22 501浏览
-
- 提升Python包下载速度的方法——正确配置pip的国内源
- 2024-01-17 501浏览
-
- Python与C++:哪个编程语言更适合初学者?
- 2024-03-25 501浏览
-
- 品牌建设技巧
- 2024-04-06 501浏览