如何在Pandas中将秒数字段转换为时分格式并分组展示平均时长？

1. 修正AVG列的错误处理 #

你之前将AVG列转为datetime64[ns]的操作是错误的——datetime用于表示时间点，而你的AVG列是时长秒数，会被解析为1970 epoch的纳秒偏移，导致出现无意义的日期格式。

先确保AVG列是数值类型（若读取后为字符串，先转换）：

import pandas as pd

df = pd.read_csv('practice.csv')
# 若AVG是字符串格式，执行以下转换
# df['AVG'] = pd.to_numeric(df['AVG'], errors='coerce')

2. 编写时长转换函数 #

定义函数将总秒数转为小时:分钟格式，支持超过24小时的场景：

def seconds_to_hhmm(total_seconds):
    hours = int(total_seconds // 3600)
    minutes = int((total_seconds % 3600) // 60)
    return f"{hours}:{minutes:02d}"

• 逻辑：用整除3600得到总小时数，取余3600后整除60得到剩余分钟数，02d保证分钟为两位数字（如5分钟显示为05）。

3. 分组计算并转换格式 #

先按Activity分组求平均秒数，再应用转换函数得到目标格式：

# 分组计算平均秒数
grouped_avg = df.groupby('Activity')['AVG'].mean().reset_index()
# 转换为小时:分钟格式
grouped_avg['AVG_formatted'] = grouped_avg['AVG'].apply(seconds_to_hhmm)

此时grouped_avg包含每个活动的平均秒数和格式化后的时长。

4. 绘制柱状图 #

用matplotlib绘制柱状图，直观展示各活动平均时长：

import matplotlib.pyplot as plt

plt.figure(figsize=(10, 6))
bars = plt.bar(grouped_avg['Activity'], grouped_avg['AVG'])
plt.xlabel('活动类型')
plt.ylabel('平均时长（秒）')
plt.title('各活动平均时长对比')

# 在柱子上方标注格式化后的时长
for bar, formatted in zip(bars, grouped_avg['AVG_formatted']):
    height = bar.get_height()
    plt.text(bar.get_x() + bar.get_width()/2., height + 2,
             formatted, ha='center', va='bottom')

plt.show()

用原始秒数绘图能保证数据准确性，柱子上方的格式化标签则让结果更易读。

内容的提问来源于stack exchange，提问作者ptr808