pandas 将天数转换为指定格式的小时数

看过来

《pandas 教程》持续更新中，提供建议、纠错、催更等加作者微信: gr99123（备注：pandas教程）和关注公众号「盖若」ID: gairuo。跟作者学习，请进入 Python学习课程。欢迎关注作者出版的书籍：《深入浅出Pandas》和《Python之光》。

在某些分析任务中，将时间以小时为单位可以简化复杂的分析过程，尤其是当天数不重要或时间跨度较小时。例如分析一批时间数据来计算平均工作时长或总工作时间。如果时间跨度主要集中在几天以内，转换为 小时:分钟:秒 格式后更便于统计和计算。

数据与需求

我们构造数据如下：

import pandas as pd

data = {'id': [1123, 2342],
        'time': ['2 days 03:29:05', '1 days 01:57:53']
       }
df = pd.DataFrame(data)
df['time'] = pd.to_timedelta(df['time'])
df
'''
     id            time
0  1123 2 days 03:29:05
1  2342 1 days 01:57:53
'''

需要增加一个 new 列，将 time 列的时长显示为 小时:分钟:秒 这样的格式，即：

'''
     id            time       new
0  1123 2 days 03:29:05  51:29:05
1  2342 1 days 01:57:53  25:57:53
'''

思路及代码

这段代码用于将 df DataFrame 中的 time 列（假设它是 timedelta 类型）转换为 小时:分钟:秒 的格式，并将结果添加到一个新列 new 中。下面是详细的解释：

代码拆解

new = (
    df.time.dt
    .components
    .apply(lambda x: f'{x.days*24+x.hours:02}:{x.minutes:02}:{x.seconds:02}',
           axis=1)
)
df.assign(new=new)

1. `df.time.dt`

df.time.dt 是 pandas 的时间序列访问器，它提供对时间序列数据的访问。它允许你从 timedelta 或 datetime 对象中提取日期和时间的组件（如年、月、日、小时、分钟、秒等）。

2. `.components`

.components 是一个属性，它返回一个 DataFrame，其中包含 timedelta 对象的各个组件：天数、小时、分钟和秒。对于每个 timedelta 对象，components 会提供一个包含这些值的 Series。

3. apply

.apply(lambda x: f'{x.days*24+x.hours:02}:{x.minutes:02}:{x.seconds:02}', axis=1)

apply 方法用于沿着 DataFrame 的指定轴（这里是 axis=1，即按行）应用一个函数。这里的 lambda 函数将每一行的组件（天数、小时、分钟、秒）格式化为 小时:分钟:秒 的格式：

x.days * 24 + x.hours：将天数转换为小时数，并与现有小时数相加，得到总小时数。
x.minutes：直接提取分钟数。
x.seconds：直接提取秒数。

:02 表示格式化为两位数字，不足的位数用零填充。

4. assign

df.assign(new=new) 创建一个新的 DataFrame，除了原始的 df 列外，还增加了一个名为 new 的新列，其值来自前面计算出的 new 列。assign 方法不会修改原始 DataFrame，而是返回一个新的 DataFrame。

完整的实现

以下是如何将这段代码完整地应用到 DataFrame 上的示例：

import pandas as pd

# 构造示例数据
data = {
    'id': [1123, 2342],
    'time': ['2 days 03:29:05', '1 days 01:57:53']
}

# 创建 DataFrame
df = pd.DataFrame(data)

# 将 'time' 列转换为 timedelta 类型
df['time'] = pd.to_timedelta(df['time'])

# 计算新的 'new' 列
new = (
    df.time.dt
    .components
    .apply(lambda x: f'{x.days*24+x.hours:02}:{x.minutes:02}:{x.seconds:02}',
           axis=1)
)

# 将 'new' 列添加到 DataFrame 中
df = df.assign(new=new)

print(df)

输出结果：

     id             time       new
0  1123 2 days 03:29:05  51:29:05
1  2342 1 days 01:57:53  25:57:53

这样你就可以将 timedelta 类型的 time 列转换为 小时:分钟:秒 格式，并将其存储在新列 new 中。

（完）