如何计算时分秒格式时间字符串的均值？df[].mean()方法失效求助

直接用df[列名].mean()无效是因为列的数据类型是字符串，pandas没法直接对字符串做均值计算，得先把字符串转为**时间差（timedelta）**类型，再计算均值，最后按需转回字符串格式。

具体步骤： #

1. 转换为timedelta类型
   使用pd.to_timedelta()方法将字符串列转为timedelta类型，这个方法能直接识别时分秒带微秒的格式：

   df['time_col'] = pd.to_timedelta(df['time_col'])
   

2. 计算均值
   转换后就可以正常用mean()方法计算均值了：

   mean_time = df['time_col'].mean()
   

3. 转回时分秒字符串（可选）
   如果需要把结果转回类似原格式的字符串，可通过两种方式处理：

   # 方法1：借助Timestamp格式化
   mean_str = (pd.Timestamp('1970-01-01') + mean_time).strftime('%H:%M:%S.%f')
   # 方法2：手动拆分计算格式
   total_seconds = mean_time.total_seconds()
   hours = int(total_seconds // 3600)
   minutes = int((total_seconds % 3600) // 60)
   seconds = total_seconds % 60
   mean_str = f"{hours}:{minutes:02d}:{seconds:.6f}"
   

完整示例代码 #

import pandas as pd

# 模拟数据
data = {'time': ['0:00:34.805936', '0:01:17.946625', '0:01:41.294841']}
df = pd.DataFrame(data)

# 转换为timedelta
df['time'] = pd.to_timedelta(df['time'])

# 计算均值
mean_timedelta = df['time'].mean()

# 转回字符串格式
mean_str = (pd.Timestamp('1970-01-01') + mean_timedelta).strftime('%H:%M:%S.%f')
print(mean_str)  # 输出示例：0:01:04.682467

注意点 #

• 只要是合法的时分秒/天数格式，pd.to_timedelta()都能处理，无需担心格式细微差异（比如无秒数、小时数大于24）。
• 计算得到的mean_time是Timedelta对象，可直接用于后续时间运算，不一定非要转回字符串。

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