使用pd.to_timedelta将DataFrame秒转分钟：手动可行CSV报错

报错原因 #

你读取CSV时使用了header=[0,1]，这会让pandas把前两行解析为多层列索引（MultiIndex），此时df['Time']是一个包含s列的DataFrame，而非一维的Series。而pd.to_timedelta只接受字符串、timedelta对象、一维数组或Series作为输入，传入DataFrame就会触发TypeError。

手动输入数据时，df['Time']是单个Series，符合pd.to_timedelta的参数要求，所以能正常执行。

解决方案 #

根据你的需求，有两种处理方式：

方式1：调整CSV读取逻辑，生成单列表 #

如果不需要保留第二行的"s"作为单位标识，可以跳过第二行，只取第一行作为表头：

# 跳过第二行（索引为1），第一行作为表头
df = pd.read_csv("sec.csv", header=0, skiprows=[1])
# 将秒数转换为timedelta类型（单位指定为秒）
df['Time'] = pd.to_timedelta(df['Time'], unit='s')
# 若要转换为以分钟为单位的timedelta，可先将秒数除以60再转换
# df['Time'] = pd.to_timedelta(df['Time']/60, unit='min')

方式2：保留多层索引，提取具体Series转换 #

如果需要保留原有的多层列结构，直接提取s列对应的Series进行转换：

df = pd.read_csv("sec.csv", header=[0,1])
# 提取多层索引下的具体列（Series）
df[('Time', 's')] = pd.to_timedelta(df[('Time', 's')], unit='s')
# 同样，若要转分钟单位：
# df[('Time', 's')] = pd.to_timedelta(df[('Time', 's')]/60, unit='min')

补充说明 #

你执行df['Time'].astype('float64')后，输出仍显示Time s float64，这是因为df['Time']是DataFrame，astype操作是对该DataFrame内的列进行类型转换，结构依然是DataFrame，而非Series，所以无法被pd.to_timedelta处理。

内容的提问来源于stack exchange，提问作者Ben Nguyen