如何从Pandas数据框时间列提取时分并保留可运算时间类型？

首先，你得先确保time列被正确解析为datetime64类型（而不是object），这是后续运算的基础。如果用pd.to_datetime后还是object类型，大概率是原数据格式不匹配，或者没指定正确的格式参数。

步骤1：将object类型的时间列转为datetime类型 #

假设你的time列是类似HH:MM的字符串格式，用以下代码强制解析：

import pandas as pd

# 解析时间列，指定格式避免自动识别出错
df['time'] = pd.to_datetime(df['time'], format='%H:%M', errors='coerce')

• format='%H:%M'：明确告诉Pandas时间的格式是小时:分钟，提升解析效率和准确性
• errors='coerce'：把无法解析的无效值转为NaT（缺失时间值），避免整列变成object

执行后，df['time'].dtype应该显示datetime64[ns]，这时候就支持时间比较运算了，比如：

# 筛选时间晚于09:30的行
df[df['time'] > pd.to_datetime('09:30', format='%H:%M')]

步骤2：提取小时和分钟并保留可运算性 #

如果需要单独的小时、分钟列，直接用dt属性提取，得到的是整数类型（支持所有数学运算）：

# 提取小时（整数）
df['hour'] = df['time'].dt.hour

# 提取分钟（整数）
df['minute'] = df['time'].dt.minute

如果需要一个能直接代表时间先后的数值（比如方便排序、比较），可以生成当日总分钟数：

# 计算从00:00开始的总分钟数，比如09:30就是9*60+30=570
df['total_minutes'] = df['time'].dt.hour * 60 + df['time'].dt.minute

这个total_minutes列是整数，完全支持>、<、==等运算，比如筛选总分钟数大于570（即晚于09:30）的行：

df[df['total_minutes'] > 570]

注意事项 #

• 如果原时间列包含日期（比如YYYY-MM-DD HH:MM），上述方法依然适用，dt.hour和dt.minute会自动忽略日期部分提取时间
• 若解析后仍有object类型的行，检查原数据是否存在格式混乱的时间值，可通过df[df['time'].isna()]查看被转为NaT的无效数据

内容的提问来源于stack exchange，提问作者John Smith