如何将DataFrame中的浮点型时间值转换为时分秒格式？

需求说明 #

需要将DataFrame中Occurred Time列的浮点值（如1200.0、1536.0）转换为HH:MM:SS格式的时间字符串，初始数据及代码如下：

import pandas as pd
df = pd.DataFrame([1200.0, 0.0, 1536.0, 1530.0, 0.0], columns=['Occurred Time'])
print(df)

初始输出：

Occurred Time
0         1200.0
1            0.0
2         1536.0
3         1530.0
4            0.0

错误尝试及结果 #

直接使用pd.to_datetime()转换时，得到了不符合预期的Unix时间戳解析结果：

import pandas as pd
df = pd.DataFrame([1200.0, 0.0, 1536.0, 1530.0, 0.0], columns=['Occurred Time'])
df['Occurred Time'] = pd.to_datetime(df['Occurred Time'])
print(df)

错误输出：

Occurred Time
0 1970-01-01 00:00:00.000001200
1 1970-01-01 00:00:00.000000000
2 1970-01-01 00:00:00.000001536
3 1970-01-01 00:00:00.000001530
4 1970-01-01 00:00:00.000000000

错误原因 #

pd.to_datetime()默认将数值视为Unix时间戳（从1970-01-01 00:00:00开始的纳秒数），而非我们需要的HHMM格式时间编码，因此解析出了错误的日期时间。

解决方案 #

以下是几种可行的转换方法：

方法1：字符串补零拆分法

先将浮点数转为4位字符串，拆分出时、分后拼接成目标格式：

import pandas as pd

df = pd.DataFrame([1200.0, 0.0, 1536.0, 1530.0, 0.0], columns=['Occurred Time'])

# 转为整数后转字符串，补零至4位
df['time_str'] = df['Occurred Time'].astype(int).astype(str).str.zfill(4)
# 拆分时分并拼接为HH:MM:SS
df['Occurred Time'] = df['time_str'].str[:2] + ':' + df['time_str'].str[2:] + ':00'
# 删除中间辅助列
df = df.drop('time_str', axis=1)

print(df)

输出结果：

Occurred Time
0      12:00:00
1      00:00:00
2      15:36:00
3      15:30:00
4      00:00:00

方法2：lambda函数格式化法

用字符串格式化直接处理，代码更简洁：

import pandas as pd

df = pd.DataFrame([1200.0, 0.0, 1536.0, 1530.0, 0.0], columns=['Occurred Time'])

df['Occurred Time'] = df['Occurred Time'].astype(int).apply(
    lambda x: f"{x:04d}"[:2] + ':' + f"{x:04d}"[2:] + ':00'
)

print(df)

方法3：转为datetime对象再格式化（适合需时间运算场景）

如果后续需要对时间进行运算，可先转为datetime对象，再格式化字符串：

import pandas as pd

df = pd.DataFrame([1200.0, 0.0, 1536.0, 1530.0, 0.0], columns=['Occurred Time'])

# 解析为datetime对象
df['Occurred Time'] = pd.to_datetime(
    df['Occurred Time'].astype(int).astype(str).str.zfill(4),
    format='%H%M'
)
# 格式化为HH:MM:SS字符串
df['Occurred Time'] = df['Occurred Time'].dt.strftime('%H:%M:%S')

print(df)

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