如何使用Python计算Excel中B列或C列的时间平均值？

前置准备 #

先安装所需依赖库：

pip install pandas openpyxl

完整实现代码 #

以下是补充了平均值计算的完整代码，基于你已有的读取Excel、转换时间列的逻辑：

import pandas as pd

# 读取目标Excel文件（替换为你的文件名）
df = pd.read_excel('your_data.xlsx')

# 清理缺失值（避免计算时出错，可选）
df = df.dropna(subset=['B', 'C'])

# 将B、C列的时间字符串转为datetime类型
# 注意：format参数需匹配你的时间格式，比如带日期用'%Y-%m-%d %H:%M:%S'
df['B'] = pd.to_datetime(df['B'], format='%H:%M:%S')
df['C'] = pd.to_datetime(df['C'], format='%H:%M:%S')

# --- 计算单列时间平均值 ---
# B列时间平均值（转成时分秒格式输出）
b_col_avg = df['B'].mean()
print(f"B列时间平均值：{b_col_avg.strftime('%H:%M:%S')}")

# C列时间平均值
c_col_avg = df['C'].mean()
print(f"C列时间平均值：{c_col_avg.strftime('%H:%M:%S')}")

# --- 计算B、C列时间差的平均值 ---
# 先计算每行的时间差（单位：秒）
df['time_diff_seconds'] = (df['C'] - df['B']).dt.total_seconds()

# 求时间差的平均值
avg_diff_seconds = df['time_diff_seconds'].mean()

# 转成时分秒格式输出
hours = int(avg_diff_seconds // 3600)
minutes = int((avg_diff_seconds % 3600) // 60)
seconds = int(avg_diff_seconds % 60)
print(f"B与C列时间差的平均值：{hours:02d}:{minutes:02d}:{seconds:02d}")

# 也可以直接以分钟为单位输出
print(f"B与C列时间差的平均值（分钟）：{avg_diff_seconds / 60:.2f}")

关键说明 #

• 时间格式匹配：pd.to_datetime的format参数必须和Excel中时间字符串的格式完全一致，比如：
  • 纯时分秒：'%H:%M:%S'
  • 带日期的时间：'%Y-%m-%d %H:%M:%S'
  • 如果是Excel内置的时间格式（非字符串），可以省略format参数，pandas会自动识别
• 缺失值处理：如果Excel中有空值，用dropna()删除对应行，或者用fillna()填充合理值，否则均值计算会报错
• 时间差单位：可以根据需求将时间差转为秒、分钟、小时等，只需调整total_seconds()后的换算逻辑

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