如何在Pandas中聚合datetime64[ns]与float类型列的DataFrame

原始数据 #

需求 #

按racer字段分组，汇总每个选手的：

• race_time_1：保留唯一的非空时长
• race_time_2：所有有效时长的总和
• 1st_Place/2nd_Place：获得对应名次的总次数

期望结果：

问题分析 #

直接使用df.groupby('racer').agg('sum')会因列类型不匹配报错：

• 初始列均为object类型，无法直接聚合数值和时长
• 转race_time为datetime64[ns]（时间点类型）不适合时长统计，且分组时会被自动丢弃
• 单独转名次列为数值类型，会导致时间列丢失

解决方案 #

1. 转换列类型 #

将时间列转为**时间差（timedelta）**类型（适合时长计算），名次列转为整数类型：

import pandas as pd

# 转换时间列为timedelta
df['race_time_1'] = pd.to_timedelta(df['race_time_1'])
df['race_time_2'] = pd.to_timedelta(df['race_time_2'])

# 转换名次列为整数
df['1st_Place'] = df['1st_Place'].astype(int)
df['2nd_Place'] = df['2nd_Place'].astype(int)

2. 指定分组聚合规则 #

针对不同列的需求设置对应的聚合函数：

# 定义各列的聚合逻辑
agg_rules = {
    # race_time_1取第一个非空值，无数据则返回空
    'race_time_1': lambda x: x.dropna().iloc[0] if not x.dropna().empty else pd.NaT,
    # race_time_2求和所有有效时长
    'race_time_2': 'sum',
    # 名次列统计总次数
    '1st_Place': 'sum',
    '2nd_Place': 'sum'
}

# 分组聚合，保留racer作为列而非索引
result_df = df.groupby('racer', as_index=False).agg(agg_rules)

3. 转换时间差为可读格式（可选） #

将timedelta类型转为HH:MM:SS格式的字符串，方便展示：

def timedelta_to_str(td):
    if pd.isna(td):
        return None
    total_sec = int(td.total_seconds())
    hours = total_sec // 3600
    mins = (total_sec % 3600) // 60
    secs = total_sec % 60
    return f"{hours}:{mins:02d}:{secs:02d}"

# 应用格式转换
result_df['race_time_1'] = result_df['race_time_1'].apply(timedelta_to_str)
result_df['race_time_2'] = result_df['race_time_2'].apply(timedelta_to_str)

运行后即可得到符合预期的聚合结果。

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