使用Pandas统一时间格式并提取工作起始小时的技术问询

问题背景 #

需要从格式混乱的工作时长记录中提取起始小时，但因时间格式不统一，直接使用pd.to_datetime和dt.hour无法正常解析。

原始数据集 #

尝试过的代码 #

df['Work Hours']_dt = pd.to_datetime(df)
df['Starting Time'] = df['Work Hours'].dt.hour

预期结果 #

解决方案：正则匹配+时间转换 #

利用正则表达式匹配所有可能的起始时间格式，先清洗出标准的时间字符串，再转换为小时数值。

完整代码 #

import pandas as pd
import re

# 构建数据框
data = {'工作时长': ['08:15 AM-03:15PM', 'M,T,W,Th: 7:45AM-3:05PM F:7:45AM-2:07PM', '7:45am-3:00pm', '', '7:45AM.-2:15  PM']}
df = pd.DataFrame(data)

# 定义提取起始小时的函数
def get_start_hour(time_record):
    # 处理空值
    if pd.isna(time_record) or not time_record.strip():
        return None
    # 正则匹配第一个出现的有效起始时间（兼容多种格式）
    pattern = r'(\d{1,2}:\d{1,2})\s*([APap][Mm])\.?'
    match_result = re.search(pattern, time_record)
    if not match_result:
        return None
    # 拼接成标准时间字符串
    clean_time = f"{match_result.group(1)} {match_result.group(2).upper()}"
    # 转换为datetime并提取小时
    return pd.to_datetime(clean_time, format='%I:%M %p').hour

# 应用函数生成起始小时列
df['起始小时'] = df['工作时长'].apply(get_start_hour)

# 输出过滤空值后的结果
print(df['起始小时'].dropna().reset_index(drop=True))

运行结果 #

0    8
1    7
2    7
3    7
Name: 起始小时, dtype: int64

内容的提问来源于stack exchange，提问作者Steph