如何从DataFrame行的字符串中提取时间并生成新列

咱们直接上可运行的解决方案，完全贴合你的需求：

import pandas as pd

# 构建示例DataFrame
data = {
    'text': [
        '10:30:00-12:30:00 some random text(some special caracters [-\'(@ ) some numbers 456231 386',
        '15:35:10-15:36:12 some other text some numbers 9875321651132'
    ]
}
df = pd.DataFrame(data)

# 1. 一次性提取开头的开始时间和结束时间
time_pattern = r'^(\d{2}:\d{2}:\d{2})-(\d{2}:\d{2}:\d{2})'
df[['start time', 'end time']] = df['text'].str.extract(time_pattern)

# 2. 将字符串时间转为datetime类型（方便计算差值）
df['start time'] = pd.to_datetime(df['start time'], format='%H:%M:%S')
df['end time'] = pd.to_datetime(df['end time'], format='%H:%M:%S')

# 3. 计算时间差并格式化为HH:MM:SS格式
df['delta'] = df['end time'] - df['start time']
df['delta'] = df['delta'].apply(lambda x: f"{x.components.hours:02d}:{x.components.minutes:02d}:{x.components.seconds:02d}")

print(df)

运行后就能得到你想要的结果：

关键步骤解释 #

1. 正则提取优化：
   你之前想用str.extract的思路完全正确，我把两次提取合并成了一次，用正则^(\d{2}:\d{2}:\d{2})-(\d{2}:\d{2}:\d{2})：

   • ^确保只匹配字符串开头的时间
   • (\d{2}:\d{2}:\d{2})是两个捕获组，分别匹配开始时间和结束时间的HH:MM:SS格式
   • 中间的-就是时间分隔符，用来定位两个时间的边界

2. 时间类型转换：
   把提取到的字符串时间转成datetime类型，这样才能直接做减法运算。指定format='%H:%M:%S'可以让解析更准确，避免pandas自动推断出错。

3. 时间差格式化：
   直接相减得到的是timedelta对象，默认显示可能不是你要的02:00:00格式，所以用apply和components提取时分秒，再用02d补零格式化，确保输出是两位数字的时分秒。

如果你不想保留datetime类型的时间列，也可以在计算完差值后把start time和end time转回字符串格式，只保留时间部分：

df['start time'] = df['start time'].dt.time.astype(str)
df['end time'] = df['end time'].dt.time.astype(str)

内容的提问来源于stack exchange，提问作者Art