使用reticulate如何将Python datetime.time转为R时间类？

核心原因 #

Python的datetime.time对象与datetime.date对象结构不同，reticulate的py_to_r()函数默认支持直接转换date对象为R的Date类型，但对time对象没有内置转换规则，导致直接调用py_to_r()无法得到预期的R时间类型。

方法1：手动提取时间属性转换为R的hms类型 #

直接从Python的time对象中提取时、分、秒属性，用R的hms包创建标准时间类型：

# 加载依赖包
library(reticulate)
library(hms)

# 转换时间列
data$time <- do.call(c, lapply(data$time, function(py_time) {
  # 提取Python time对象的属性
  hour <- py_to_r(py_time$hour)
  minute <- py_to_r(py_time$minute)
  second <- py_to_r(py_time$second)
  # 创建hms类型的时间值
  hms(hour = hour, minute = minute, second = second)
}))

执行后，data$time会变成R的hms类型向量，支持标准时间操作与展示。

方法2：先转成字符串再解析 #

无需额外依赖包，先调用Python对象的字符串方法，再在R中解析为时间类型：

library(reticulate)

# 转换时间列
data$time <- do.call(c, lapply(data$time, function(py_time) {
  # 获取Python time对象的字符串表示
  time_str <- py_to_r(py_time$`__str__`())
  # 解析为R的时间类型
  strptime(time_str, format = "%H:%M:%S")$time
}))

这种方法会得到R的POSIXlt类型的时间部分，可根据需求调整格式。

可选方案：修改Python脚本简化转换 #

如果允许修改生成数据框的Python脚本，可提前将time列转换为字符串或带默认日期的datetime对象，减少R端的处理工作：

# Python脚本中修改时间列
import pandas as pd

# 假设df是原数据框
# 方案1：转为字符串
df['time'] = df['time'].astype(str)
# 方案2：转为带默认日期的datetime对象
df['time'] = pd.to_datetime('1970-01-01 ' + df['time'].astype(str))

修改后在R中用py_run_file(convert=F)读取时，直接调用py_to_r()即可转换为R的字符型或POSIXct类型。

内容的提问来源于stack exchange，提问作者Aditya Kumar Kasinadhuni