如何用Python正确解析时长数据：纠正分钟与小时格式混淆问题

问题分析 #

你的数据里存在两种时长格式：

• 32:43:00 → 代表32分43秒（而非32小时43分）
• 1:00:10/1:07:41 → 代表1小时0分10秒、1小时7分41秒
  Excel里的显示差异是因为Excel会把超过24小时的时长自动转成日期时间格式，但我们需要按业务规则手动解析。

解决方案 #

编写自定义解析函数，区分两种格式后转换为标准时长，再格式化输出：

import pandas as pd

def parse_race_time(s):
    # 分割时间字符串为三个部分
    parts = s.strip().split(':')
    if len(parts) != 3:
        return pd.NaT  # 处理异常格式
    
    hh, mm, ss = parts
    # 判断格式：如果秒数为00，且第一部分数值过大（不符合正常小时范围），则按分:秒:00处理
    if ss == '00' and int(hh) > 10:  # 阈值可根据实际业务调整
        # 格式为 分钟:秒:00 → 转换为0小时+hh分钟+mm秒
        total_seconds = int(hh)*60 + int(mm)
    else:
        # 格式为 小时:分钟:秒 → 正常转换
        total_seconds = int(hh)*3600 + int(mm)*60 + int(ss)
    
    return pd.to_timedelta(total_seconds, unit='s')

# 应用函数到Time列
df['Time'] = df['Time'].apply(parse_race_time)

# 格式化输出为hh:mm:ss格式
def format_timedelta(td):
    total_seconds = int(td.total_seconds())
    hours = total_seconds // 3600
    remaining = total_seconds % 3600
    minutes = remaining // 60
    seconds = remaining % 60
    return f"{hours:02d}:{minutes:02d}:{seconds:02d}"

df['Formatted_Time'] = df['Time'].apply(format_timedelta)

print(df)

代码说明 #

1. parse_race_time函数：
   • 分割字符串后，通过秒数是否为00和第一部分数值是否超出合理小时范围（示例设为10，可根据你的数据调整）区分两种格式
   • 计算总秒数后转换为timedelta类型，保证后续计算的准确性
2. format_timedelta函数：
   • 由于timedelta没有直接的strftime方法，手动计算小时、分钟、秒并格式化为两位数字的hh:mm:ss格式
3. 最终生成Formatted_Time列存储格式化后的结果，保留原Time列的timedelta类型方便后续分析

注意事项 #

• 如果业务中存在小时数超过10的合理场景，可将阈值调整为24（即当第一部分≥24时按分钟处理）
• 若有异常格式（比如不是三个部分的字符串），函数会返回NaT，可后续用df.dropna()或填充默认值处理

内容的提问来源于stack exchange，提问作者user15276081