将DataFrame中时分秒格式时长转换为分钟并拆分列

原始数据与需求 #

原始CSV数据格式：

Day,Duration
Mon,"S: 3h0s, P: 18m0s"
Tues,"S: 3h0s, P: 18m0s"
Wed,"S: 4h0s, P: 18m0s"
Thurs,"S: 30h, P: 10m0s"
Fri,"S: 15m, P: 3h0s"

需求：将Duration列拆分为S(min)和P(min)两列，统一转换为分钟单位，期望输出：

Day             Duration   S(min) P(min)
0   Mon    S: 3h0s, P: 18m0s     180     18
1  Tues    S: 3h0s, P: 18m0s     180     18
2   Wed    S: 4h0s, P: 18m0s     240     18
3  Thur   S: 30h0s, P: 10m0s    1800     10
4   Fri      S: 15m, P: 3h0s      15    180

错误代码与问题 #

原处理代码：

import pandas as pd

df = pd.read_csv("/file.csv")
df["S(min)"] = df['Duration'].str.split(',').str[0]
df["P(min)"] = df['Duration'].str.split(',').str[-1]

df['S(min)'] = df['S(min)'].str.replace("S: ", '').str.replace("h", '*60').str.replace('m','*1').str.replace('s','*(1/60)').apply(eval)
df['P(min)'] = df['P(min)'].str.replace("P: ", '').str.replace("h", '*60').str.replace('m','*1').str.replace('s','*(1/60)').apply(eval)

错误结果：

Day           Duration  S(min)     P(min)
0    Mon  S: 3h0s, P: 18m0s    30.0   3.000000
1   Tues  S: 3h0s, P: 18m0s    30.0   3.000000
2    Wed  S: 4h0s, P: 18m0s    40.0   3.000000
3  Thurs   S: 30h, P: 10m0s  1800.0   1.666667
4    Fri    S: 15m, P: 3h0s    15.0  30.000000

错误原因 #

直接字符替换会导致单位与后续数字拼接错误，比如3h0s会被替换成3*600*(1/60)，实际计算为3*600/60=30，而非正确的3*60 + 0/60=180。这种方式无法区分数字与单位的边界，导致计算逻辑混乱。

正确解决方案 #

使用正则表达式精准匹配时长中的数字与对应单位，分别计算各单位对应的分钟数后累加：

import pandas as pd
import re

def convert_to_minutes(duration_str):
    # 匹配"数字+单位"的组合，支持h/m/s
    pattern = r'(\d+)([hms])'
    matches = re.findall(pattern, duration_str)
    total_min = 0
    for num, unit in matches:
        num = int(num)
        if unit == 'h':
            total_min += num * 60
        elif unit == 'm':
            total_min += num
        elif unit == 's':
            total_min += num / 60
    return total_min

# 读取CSV
df = pd.read_csv("/file.csv")

# 拆分S和P部分，去除多余空格与标识
df[["S_part", "P_part"]] = df['Duration'].str.split(',', expand=True)
df["S_part"] = df["S_part"].str.replace("S: ", "").str.strip()
df["P_part"] = df["P_part"].str.replace("P: ", "").str.strip()

# 转换为分钟单位
df["S(min)"] = df["S_part"].apply(convert_to_minutes)
df["P(min)"] = df["P_part"].apply(convert_to_minutes)

# 清理中间列（可选）
df = df.drop(["S_part", "P_part"], axis=1)

# 输出结果
print(df)

代码说明 #

1. 正则匹配：r'(\d+)([hms])'可以精准提取每个时长片段的数字和单位，比如从3h0s中提取('3','h')和('0','s')。
2. 单位转换：根据不同单位（小时/分钟/秒）分别转换为分钟后累加，确保计算逻辑正确。
3. 数据清洗：拆分后去除多余的标识文本和空格，保证输入到转换函数的字符串格式干净。

运行后即可得到符合预期的结果。

内容的提问来源于stack exchange，提问作者user53526356