Question

我有一个df，其中一个column以秒为单位显示时间。我想将它们转换为hh:mm或hh:mm:ss。

如果时间超过标准的24小时，我仍希望它位于hh:mm:ss中。不是'n' days hh:mm:ss。

举个例子：

import pandas as pd
import numpy as np
import datetime

ts1 = ['21000', np.nan, '40000', np.nan, '49000', '100000']
ts2 = [0, 2, 'yy', 3, 'yy', 'yy']
ts3 = [0, 2, np.nan, 3, 4, np.nan]
d =  {'X': ts1, 'Y': ts2, 'Z': ts3}
df = pd.DataFrame(data=d)

输出：

        X   Y    Z
0   21000   0  0.0
1     NaN   2  2.0
2   40000  yy  NaN
3     NaN   3  3.0
4   49000  yy  4.0
5  100000  yy  NaN

我可以使用以下命令在单个string上执行此操作：

t = str(datetime.timedelta(seconds=21000))

输出t：

5:50:00

但是如何将相同的函数传递给整个列？

#t_col = str(datetime.timedelta(seconds=df['ts1']))

预期输出：

          X   Y    Z
0   5:50:00   0  0.0
1       NaN   2  2.0
2  11:06:40  yy  NaN
3       Nan   3  3.0
4  13:36:40  yy  4.0
5  27:46:40  yy  NaN

Answer 1

更分步的方法

首先，让我们创建新列，并删除讨厌的NaN值

In [156]: df['new_column'] = df.X.fillna(0)

In [157]: df
Out[157]:
       X   Y    Z new_column
0  21000   0  0.0      21000
1    NaN   2  2.0          0
2  40000  yy  NaN      40000
3    NaN   3  3.0          0
4  49000  yy  4.0      49000
5  80000  yy  NaN      80000

然后，我们可以根据您编写的代码使用lambda函数来创建增量。请注意，对于int的{{1}}参数，我们必须将新列的值强制转换为seconds s。

timedelta

使用单线纸

以我们之前的内容为基础，我们需要消除In [158]: df['new_column'] = df.apply(lambda x: datetime.timedelta(seconds=int(x['new_column'])), axis=1) In [159]: df Out[159]: X Y Z new_column 0 21000 0 0.0 05:50:00 1 NaN 2 2.0 00:00:00 2 40000 yy NaN 11:06:40 3 NaN 3 3.0 00:00:00 4 49000 yy 4.0 13:36:40 5 80000 yy NaN 22:13:20，然后首先将整个系列转换为NaN，然后再转换为int。

timedelta

由于In [173]: df['td'] = pd.to_timedelta(pd.to_numeric(df.X.fillna(0)), unit='s') In [174]: df Out[174]: X Y Z new_column td 0 21000 0 0.0 05:50:00 05:50:00 1 NaN 2 2.0 00:00:00 00:00:00 2 40000 yy NaN 11:06:40 11:06:40 3 NaN 3 3.0 00:00:00 00:00:00 4 49000 yy 4.0 13:36:40 13:36:40 5 80000 yy NaN 22:13:20 22:13:20非常slow，因此该方法应该更快

根据您的评论，为了与apply保持一致，您可以使用此

NaN

Answer 2

使用pandas.to_timedelta，然后使用一些混乱的字符串格式将日期转换为小时：

def formatter(x):
    x = str(x)
    return str(int(x[-8:-6])+int(x.split('days')[0])*24).zfill(2) + x[-6:]

df['TD'] = pd.to_timedelta(df['X'].fillna(0).astype(int), unit='s')\
             .apply(formatter)

print(df)

        X   Y    Z        TD
0   21000   0  0.0  05:50:00
1     NaN   2  2.0  00:00:00
2   40000  yy  NaN  11:06:40
3     NaN   3  3.0  00:00:00
4   49000  yy  4.0  13:36:40
5  100000  yy  NaN  27:46:40

将以秒为单位的时间戳转换为hh：mm：ss时间

2 个答案: