如何用Pandas计算DataFrame中三列圈速的平均圈速？

核心思路 #

要计算平均圈速，必须先把分:秒.毫秒的字符串格式转换成可计算的数值（比如总毫秒数），计算平均值后再转回原时间格式。

步骤与代码 #

1. 准备示例数据

把你提供的数据转换成Pandas DataFrame：

import pandas as pd

data = {
    'number': [22, 4, 23],
    'position': [1, 2, 3],
    'q1': ['1:26.572', '1:26.103', '1:25.664'],
    'q2': ['1:25.187', '1:25.315', '1:25.452'],
    'q3': ['1:26.714', '1:26.869', '1:27.079']
}
df = pd.DataFrame(data)

2. 定义时间格式转换函数

• 字符串转总毫秒数：拆分分钟、秒和毫秒，计算总时长
• 总毫秒数转回字符串格式：反向拆分后补零，保证格式统一

def time_str_to_ms(time_str):
    mins, sec_ms = time_str.split(':')
    sec, ms = sec_ms.split('.')
    return int(mins)*60*1000 + int(sec)*1000 + int(ms)

def ms_to_time_str(total_ms):
    mins = total_ms // (60*1000)
    remaining_ms = total_ms % (60*1000)
    sec = remaining_ms // 1000
    ms = remaining_ms % 1000
    return f"{mins}:{sec:02d}.{ms:03d}"

3. 转换圈速列并计算平均值

先把q1/q2/q3转成毫秒数，计算每行的平均值，再转回时间格式：

# 转换q1-q3列为毫秒数
df[['q1_ms', 'q2_ms', 'q3_ms']] = df[['q1', 'q2', 'q3']].applymap(time_str_to_ms)

# 计算平均毫秒数
df['avg_ms'] = df[['q1_ms', 'q2_ms', 'q3_ms']].mean(axis=1)

# 转回时间格式得到平均圈速
df['avg_lap'] = df['avg_ms'].apply(ms_to_time_str)

# 可选：删除中间辅助列
df = df.drop(['q1_ms', 'q2_ms', 'q3_ms', 'avg_ms'], axis=1)

4. 最终结果

运行后df新增avg_lap列，结果如下：

number  position        q1        q2        q3    avg_lap
0      22         1  1:26.572  1:25.187  1:26.714  1:26.158
1       4         2  1:26.103  1:25.315  1:26.869  1:26.096
2      23         3  1:25.664  1:25.452  1:27.079  1:26.065

注意事项 #

• 如果存在缺失值（比如某车手没跑q3），mean()会自动跳过NaN值，结果依然准确
• 转换函数里的补零操作（sec:02d、ms:03d）保证输出格式和原数据一致，避免出现1:6.57这类不规范格式

内容的提问来源于stack exchange，提问作者user23473391