基于Python将累计时长转换为含厘秒的时间格式问题求助

需求说明 #

分析一组无时间字段的数据包数据，需新增三列时间相关字段：

• Duration_Hz：累计的0.01秒单位数（每个数据包对应1个单位）
• Duration_Second：累计秒数（单位：秒）
• Duration：含厘秒的累计时间格式（如00:00:00:00，格式为时:分:秒:厘秒）

核心逻辑：每个数据包对应0.01秒（即1厘秒），需基于数据包编号计算累计时间并格式化。

原始数据示例 #

之前尝试的核心代码 #

# 获取首尾数据包编号
firstMoment_fps = df_all_data.head(1)['PacketCounter'].values[0]
lastMoment_fps = df_all_data.tail(1)['PacketCounter'].values[0]
nr_intervals_needed = abs((firstMoment_fps - lastMoment_fps)//100)
# 计算区间起始点
interval = 0
intervals = []
start = firstMoment_fps
while start < lastMoment_fps:
    nextMoment = start + 100
    if nextMoment < lastMoment_fps:
        start = nextMoment
        interval = interval + 1
        intervals.append(start)
    else:
        break

正确实现方案 #

利用Pandas的向量运算即可高效完成，无需复杂循环：

import pandas as pd

# 假设数据已加载到df中，以下为示例数据
data = {'Packet': [196, 197, 198, 200], 'Value': [0.631, 0.742, 0.853, 0.964]}
df = pd.DataFrame(data)

# 1. 计算当前数据包与第一个数据包的偏移量（直接对应累计厘秒数）
df['offset'] = df['Packet'] - df['Packet'].iloc[0]

# 2. 生成Duration_Hz：累计0.01秒单位数（从1开始计数）
df['Duration_Hz'] = df['offset'] + 1

# 3. 生成Duration_Second：累计秒数
df['Duration_Second'] = df['Duration_Hz'] * 0.01

# 4. 格式化生成Duration列（时:分:秒:厘秒）
def format_centiseconds(total_cs):
    hours = total_cs // 360000  # 1小时=360000厘秒
    remaining = total_cs % 360000
    minutes = remaining // 6000  # 1分钟=6000厘秒
    remaining %= 6000
    seconds = remaining // 100  # 1秒=100厘秒
    centiseconds = remaining % 100
    return f"{hours:02d}:{minutes:02d}:{seconds:02d}:{centiseconds:02d}"

df['Duration'] = df['offset'].apply(format_centiseconds)

# 查看最终结果
print(df[['Packet', 'Value', 'Duration_Hz', 'Duration_Second', 'Duration']])

代码说明 #

• offset：计算每个数据包相对于第一个包的编号差值，直接得到累计的厘秒数（每个包对应1厘秒）
• Duration_Hz：以第一个数据包为1，累计计数0.01秒的单位数量
• Duration_Second：通过单位数乘以0.01直接得到累计秒数
• format_centiseconds：将累计厘秒数转换为指定的时间格式，用02d确保每个部分都是两位数字

输出示例 #

内容的提问来源于stack exchange，提问作者diguex