如何用Python的Pandas处理时间转换与分钟累加需求

需求说明 #

• 将Excel中Column B的HH:MM:SS格式时间转换为分钟数（保留两位小数），存入Column C
• 计算累计差值：首行Column D为0，后续行取当前Column C值与首行Column C值的差值（保留两位小数）

原始数据 #

实现代码 #

import pandas as pd

# 读取Excel文件，替换为你的文件路径
df = pd.read_excel("your_file.xlsx")

# 1. 将Column B转换为分钟数并保留两位小数
df['Column C'] = pd.to_timedelta(df['Column B']).dt.total_seconds() / 60
df['Column C'] = df['Column C'].round(2)

# 2. 计算累计差值，首行设为0
first_c_value = df['Column C'].iloc[0]
df['Column D'] = (df['Column C'] - first_c_value).round(2)
# 强制首行为0，避免浮点运算带来的微小误差
df.loc[0, 'Column D'] = 0

# 查看结果或保存到新Excel
print(df)
# df.to_excel("processed_data.xlsx", index=False)

运行结果 #

代码解释 #

• pd.to_timedelta(df['Column B'])：把字符串格式的时间转为时间差类型，方便数值计算
• .dt.total_seconds() / 60：将时间差转换为总秒数后除以60，得到分钟数
• round(2)：按需求保留两位小数
• 提取首行Column C的值作为基准，后续行用当前值减去基准值得到累计差值，最后强制首行为0消除浮点误差

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