Pandas时间解析错误怎么解决

在使用Pandas处理时间数据时，你是否遇到过“hour must be in 0..23”的错误？本文聚焦于解决这一常见问题，该错误通常在使用`pd.to_datetime()`函数解析仅包含分钟和秒的时间字符串时发生。文章深入剖析了错误原因：`pd.to_datetime()`默认期望完整的日期和时间信息，而缺失日期或超出小时范围的数值会导致解析失败。针对此问题，我们提供了三种有效的解决方案：将时间视为持续时间（使用`pd.to_timedelta()`）、假设一个默认日期，或者将超过23小时的数值先转换为秒再转换为Timedelta。同时，强调了数据清洗、格式匹配、时区处理以及理解数据含义的重要性。通过本文，你将学会如何正确解析和转换时间数据，避免Pandas时间解析错误，提升数据处理效率。

“本文旨在解决使用Pandas将包含分钟和秒的数据列转换为datetime类型时遇到的“hour must be in 0..23”错误。通过分析问题根源，提供正确的处理方法，帮助读者理解如何正确解析和转换时间数据，从而避免类似错误的发生。文章将提供代码示例和注意事项，确保读者能够成功应用到实际项目中。”

当使用Pandas的pd.to_datetime()函数处理时间数据时，如果数据格式与函数期望的格式不匹配，可能会遇到各种错误，其中之一就是dateutil.parser._parser.ParserError: hour must be in 0..23。这个错误通常发生在尝试将仅包含分钟和秒的时间字符串（例如："00:04.9"或"59:23.4"）直接转换为datetime对象时。因为这些字符串缺少日期信息，并且某些值可能超出小时的正常范围（0-23），导致解析失败。

问题分析

问题的核心在于，pd.to_datetime()函数默认期望输入的是包含完整日期和时间信息的时间字符串，或者至少是能够推断出日期信息的格式。当只有分钟和秒时，函数无法确定日期，并且如果分钟值大于59，会被误认为小时，从而触发"hour must be in 0..23"的错误。

解决方案

要解决这个问题，需要根据实际情况选择合适的处理方法。以下是两种常见的解决方案：

1. 将时间视为持续时间（Timedelta）而非具体时间点

如果time列表示的是从某一事件开始经过的时间，那么应该将其视为持续时间（Timedelta）。可以使用pd.to_timedelta()函数进行转换。

import pandas as pd

# 假设你的DataFrame是df
url = 'https://drive.google.com/uc?id=12R6nMvN81GJHSBEElP8NiXXkwtuv04wf'
df = pd.read_csv(url)

df['time'] = pd.to_timedelta('00:' + df['time'])  # 添加小时部分
print(df['time'])

在这个例子中，我们首先在time列的值前面加上 "00:"，将其转换为 "HH:MM:SS.milliseconds" 格式，然后使用 pd.to_timedelta() 函数将其转换为 Timedelta 对象。 这样，df['time'] 将包含表示持续时间的 Timedelta 值。

2. 假设一个默认日期，将时间视为当天的某个时刻

如果time列表示的是当天的某个时刻，你需要为这些时间数据添加一个默认日期，然后才能使用pd.to_datetime()函数进行转换。

import pandas as pd

# 假设你的DataFrame是df
url = 'https://drive.google.com/uc?id=12R6nMvN81GJHSBEElP8NiXXkwtuv04wf'
df = pd.read_csv(url)

default_date = '1900-01-01'  # 选择一个默认日期
df['time'] = pd.to_datetime(default_date + ' ' + df['time'])
print(df['time'])

在这个例子中，我们选择了一个默认日期 '1900-01-01'，并将它与 time 列中的时间字符串连接起来。然后，我们使用 pd.to_datetime() 函数将连接后的字符串转换为 datetime 对象。 请注意，选择哪个默认日期取决于你的具体需求。

3. 处理超过23小时的数值

如果数据中的时间值超过了23小时，例如表示的是总时长，那么直接使用pd.to_datetime是不可行的。 应该先将这些值转换为秒，然后再转换为Timedelta。

import pandas as pd

# 假设你的DataFrame是df
url = 'https://drive.google.com/uc?id=12R6nMvN81GJHSBEElP8NiXXkwtuv04wf'
df = pd.read_csv(url)

def convert_to_seconds(time_str):
    parts = time_str.split(':')
    minutes = int(parts[0])
    seconds = float(parts[1])
    total_seconds = minutes * 60 + seconds
    return total_seconds

df['time_seconds'] = df['time'].apply(convert_to_seconds)
df['time_timedelta'] = pd.to_timedelta(df['time_seconds'], unit='s')

print(df[['time', 'time_seconds', 'time_timedelta']])

注意事项

• 数据清洗： 在转换之前，务必检查time列的数据质量，确保数据格式一致，并且没有缺失值或错误值。
• 格式匹配： 如果使用format参数，确保指定的格式字符串与实际数据格式完全匹配。
• 时区处理： 如果需要处理时区信息，可以使用tz参数指定时区。
• 理解数据含义： 在选择转换方法之前，务必理解time列的实际含义，是持续时间还是具体时间点，以便选择最合适的处理方式。

总结

解决 Pandas 中 "hour must be in 0..23" 错误的关键在于理解 pd.to_datetime() 函数的期望输入格式，并根据实际情况选择合适的转换方法。如果时间数据表示持续时间，应该使用 pd.to_timedelta() 函数。如果时间数据表示当天的某个时刻，应该添加一个默认日期。通过以上方法，可以有效地解决时间解析错误，并正确处理时间数据。

理论要掌握，实操不能落！以上关于《Pandas时间解析错误怎么解决》的详细介绍，大家都掌握了吧！如果想要继续提升自己的能力，那么就来关注golang学习网公众号吧！