如何计算pandas DataFrame中字符串格式时间列的平均值？

步骤1：将字符串时间转换为时间差类型 #

首先要把字符串格式的时间转换成pandas可计算的timedelta类型，用pd.to_timedelta()函数就能直接解析HH:MM:SS.sss格式的字符串：

import pandas as pd

times = ['00:00:01.111', '00:00:02.222', '00:03:33.333', '04:44:44.444']
df = pd.DataFrame({'Times': times})

# 新增时间差列用于计算
df['TimeDelta'] = pd.to_timedelta(df['Times'])

步骤2：计算时间平均值 #

转换完成后，直接对TimeDelta列调用mean()方法即可得到所有时间的平均值：

avg_time = df['TimeDelta'].mean()
print(avg_time)
# 输出结果：01:11:05.277500

可选：将平均值转回字符串格式 #

如果需要和原列格式一致（保留三位小数），可以对结果做简单格式化：

# 拆分秒数部分，仅保留三位小数
avg_time_str = f"{str(avg_time).split('.')[0]}.{str(avg_time).split('.')[1][:3]}"
print(avg_time_str)
# 输出结果：01:11:05.277

内容的提问来源于stack exchange，提问作者Anna Ortega