如何基于格式差异优化pandas时长列转总秒数的实现？

直接通过判断时间字符串的冒号数量或者正则匹配区分两种格式，统一转换后批量处理，无需拆分索引区间：

方法一：基于冒号数量判断 #

利用字符串里的冒号数量区分格式：只有1个冒号的是mm:ss.ms，需补00:前缀；有2个冒号的是h:mm:ss.ms，直接保留原格式。代码如下：

# 标记出包含小时的行（冒号数量为2）
has_hour = filt_data["Finish"].str.count(':') == 2

# 统一生成合法的timedelta字符串：带小时的保留原串，不带的补00:前缀
timedelta_str = filt_data["Finish"].where(has_hour, '00:' + filt_data["Finish"])

# 批量转换为总秒数
filt_data["F"] = pd.to_timedelta(timedelta_str).dt.total_seconds()

方法二：正则替换 #

用正则匹配不含小时的时间格式，自动补上前缀：

# 正则匹配开头为「数字:数字.数字」的格式，替换为00:前缀
timedelta_str = filt_data["Finish"].str.replace(r'^(\d+:\d+\.\d+)$', r'00:\1', regex=True)

# 批量转换为总秒数
filt_data["F"] = pd.to_timedelta(timedelta_str).dt.total_seconds()

两种方法都能一次性完成转换，不需要拆分生成F1、F2再合并，效率更高且代码更简洁。

内容的提问来源于stack exchange，提问作者Hansson