如何将hh:mm:ss格式列转为秒并计算DataFrame各状态耗时？

不需要手动计算，用Pandas可以完全自动化处理你的需求，下面分两部分解决你的问题：

一、将"hh:mm:ss"格式转换为总秒数 #

你之前的代码df['time'] = df['time'].dt.strftime(%S)有两个问题：一是strftime的格式字符串需要用引号包裹，二是%S仅提取时间中的秒数部分（0-59），并非从0点开始的总秒数。

正确的转换方法分两步：

1. 先将字符串类型的时间转为Pandas的时间对象：

import pandas as pd
df['time'] = pd.to_datetime(df['time'], format='%H:%M:%S')

2. 计算总秒数，有两种方式：

• 手动计算（直观）：

df['total_seconds'] = df['time'].dt.hour * 3600 + df['time'].dt.minute * 60 + df['time'].dt.second

• 用Pandas内置方法（简洁）：

df['total_seconds'] = df['time'].dt.total_seconds()

两种方式得到的结果一致，都是从当天00:00:00开始累计的秒数（比如12:30:05会转换成(12*60+30)*60+5 = 45005）。

二、计算每个系统状态的耗时 #

你的数据当前是按时间倒序排列的（示例中high的时间晚于low），首先需要按时间升序排序，再对连续相同的状态分组计算耗时：

1. 按时间升序排序：

df = df.sort_values(by='time', ascending=True).reset_index(drop=True)

2. 标记连续相同状态的分组：

df['group_id'] = (df['System state'] != df['System state'].shift()).cumsum()

3. 分组计算每个状态段的耗时：

state_duration = df.groupby(['System state', 'group_id']).agg(
    start_time=('time', 'min'),
    end_time=('time', 'max'),
    duration_seconds=('total_seconds', lambda x: x.max() - x.min())
).reset_index()

最终state_duration会包含每个连续状态段的开始/结束时间，以及持续的秒数。如果需要按状态汇总总耗时，可以再做一次分组：

total_state_duration = state_duration.groupby('System state')['duration_seconds'].sum().reset_index()

内容的提问来源于stack exchange，提问作者Ines Hdn