Python时间数据类型转换：将时分秒字符串转为标准格式或总秒数

针对你需要将列中类似30m 32s的时间字符串转换为友好格式的需求，以下是具体实现方案：

一、转换为MM:SS格式 #

如果你的数据是Pandas DataFrame中的列，可以通过正则提取时间单位数值，再格式化拼接：

import pandas as pd

# 示例数据（包含多种时间格式情况）
df = pd.DataFrame({'time': ['30m 32s', '1h 5m 10s', '2m', '45s', '2h 30s']})

# 提取小时、分钟、秒，缺失的单位补0
time_parts = df['time'].str.extract(r'(?:(\d+)h\s*)?(?:(\d+)m\s*)?(\d+)s?') \
    .fillna(0) \
    .astype(int)

# 计算总分钟数（小时转分钟），然后格式化为MM:SS
df['mm_ss'] = time_parts.apply(lambda x: f"{x[0]*60 + x[1]:02d}:{x[2]:02d}", axis=1)

执行后mm_ss列会得到：30:32、65:10、02:00、00:45、120:30这样的结果，确保分钟和秒都是两位数字。

二、转换为总秒数 #

同样用正则提取各单位数值，换算成总秒数：

# 基于上面的time_parts计算总秒数
df['total_seconds'] = time_parts.apply(lambda x: x[0]*3600 + x[1]*60 + x[2], axis=1)

执行后total_seconds列会得到对应数值：1832、3910、120、45、7230。

注意事项 #

• 如果你的时间字符串只有分钟和秒（没有小时），可以简化正则为r'(\d+)m\s*(\d+)s'，但上面的正则兼容带小时的情况。
• 确保列中没有格式错误的字符串，若有可以先通过str.contains过滤或处理异常值。

内容的提问来源于stack exchange，提问作者Alvaroz27