使用pandas.to_timedelta转换CSV中带小数的时长列时触发ValueError错误的原因及解决方法

报错原因 #

pd.to_timedelta() 默认期望的时间格式是 hh:mm:ss[.ffffff]（时:分:秒.微秒），而你的数据格式是 mm:ss.s 或 mm:ss.ss（分:秒.毫秒）—— 第一个冒号前面的数字被解析器误判为「小时」，但冒号后面的部分本该是「分钟」，却出现了小数点，不符合它预期的hh:mm:ss结构，因此抛出ValueError。

举个直观的例子：13:08.4会被解析器错误识别为「13小时，08.4分钟」，但它不允许分钟部分带小数点，所以直接报错。

解决方法 #

这里提供几种实用方案，按操作复杂度和通用性排序：

方案1：补全小时前缀（最简单直接）

给每个时间字符串前面加上00:，把格式转换成00:mm:ss.s，让pd.to_timedelta()能正确识别分和秒的结构：

df['Time'] = pd.to_timedelta('00:' + df['Time'])

测试示例：

import pandas as pd
data = {'Time': ['13:08.4', '13:06.20']}
df = pd.DataFrame(data)
df['Time'] = pd.to_timedelta('00:' + df['Time'])
print(df['Time'])
# 输出：
# 0   0 days 00:13:08.400000
# 1   0 days 00:13:06.200000
# Name: Time, dtype: timedelta64[ns]

方案2：拆分字段计算总秒数（更灵活）

如果你的数据格式可能存在变化（比如偶尔混入带小时的记录），这种方法适配性更强：

def convert_to_timedelta(time_str):
    # 拆分分钟和秒的部分
    mins, secs = time_str.split(':')
    # 计算总秒数：分钟转秒 + 秒数（支持小数）
    total_seconds = int(mins)*60 + float(secs)
    return pd.Timedelta(seconds=total_seconds)

df['Time'] = df['Time'].apply(convert_to_timedelta)

方案3：用datetime解析后转换

借助datetime.strptime解析时间字符串，再转换为timedelta类型，适合对时间格式解析规则熟悉的场景：

from datetime import datetime

df['Time'] = df['Time'].apply(lambda x: pd.Timedelta(datetime.strptime(x, '%M:%S.%f').time()))

这里的%f会自动匹配秒后面的1位或多位小数，兼容性很好。

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