Python拆分Excel日期时间列并统计工作时长的实现方法问询

1. 拆分合并的日期时间列为独立的日期、时间列 #

假设你用pandas处理表格数据（这是处理这类问题最常用的库），步骤如下：

• 先把Tgl/Waktu列转换为datetime类型（如果原始数据是字符串格式）：

import pandas as pd

# 读取考勤数据（以csv为例，可根据文件类型调整）
df = pd.read_csv("attendance_data.csv")

# 转换为datetime类型，format参数根据你的实际日期格式调整，比如印尼常用%d/%m/%Y %H:%M
df["Tgl/Waktu"] = pd.to_datetime(df["Tgl/Waktu"], format="%Y-%m-%d %H:%M:%S")

• 拆分出独立的日期和时间列：

# 新增日期列，仅保留日期部分
df["日期"] = df["Tgl/Waktu"].dt.date

# 新增时间列，仅保留时间部分
df["时间"] = df["Tgl/Waktu"].dt.time

2. 计算每日及总工作时长 #

常规场景（每日两次打卡：上班+下班） #

按日期分组，提取每组的最早（上班）和最晚（下班）打卡时间，计算时间差：

# 按日期分组，获取每组的最小、最大打卡时间
daily_hours = df.groupby("日期").agg(
    上班时间=("Tgl/Waktu", "min"),
    下班时间=("Tgl/Waktu", "max")
).reset_index()

# 计算每日工作时长（转换为小时）
daily_hours["每日工作时长(小时)"] = (daily_hours["下班时间"] - daily_hours["上班时间"]).dt.total_seconds() / 3600

# 计算总工作时长
total_work_hours = daily_hours["每日工作时长(小时)"].sum()
print(f"总工作时长: {total_work_hours:.2f} 小时")

特殊场景（每日多次打卡：外出返回等） #

如果同一天有多次打卡，可按顺序配对（第1次和第2次为一组，第3次和第4次为一组），再计算每组时长总和：

def calculate_daily_hours(group):
    # 按时间排序打卡记录
    sorted_times = group["Tgl/Waktu"].sort_values().reset_index(drop=True)
    # 若打卡次数为奇数，忽略最后一条（可根据业务需求调整）
    if len(sorted_times) % 2 != 0:
        sorted_times = sorted_times[:-1]
    # 配对计算每次外出/工作的时长，再求和
    work_intervals = sorted_times[1::2] - sorted_times[::2]
    return work_intervals.dt.total_seconds().sum() / 3600

# 应用到每个日期组
daily_hours = df.groupby("日期").apply(calculate_daily_hours).reset_index(name="每日工作时长(小时)")

# 总工作时长
total_work_hours = daily_hours["每日工作时长(小时)"].sum()

内容的提问来源于stack exchange，提问作者Pckpow