如何拆分DataFrame的time_taken列？遇ValueError: invalid unit abbreviation: hm

错误原因 #

你遇到的ValueError: invalid unit abbreviation: hm是因为pd.to_timedelta无法直接解析带空格的「Xh Ym」格式字符串——它默认支持无空格的缩写形式（如'2h10m'）或标准时间格式（如'02:10:00'），空格的存在导致它无法正确识别时间单位。

解决方案 #

以下是三种可行的实现方式，按需选择：

方法1：预处理字符串后用pd.to_timedelta

先移除原字符串中的空格，转换成pd.to_timedelta支持的格式，再提取小时和分钟：

# 清理格式：去掉空格
df3['time_taken_clean'] = df3['time_taken'].str.replace(' ', '')
# 转换为时间增量对象
t = pd.to_timedelta(df3['time_taken_clean'])
# 提取小时和分钟
df3['hours'] = t.dt.components['hours']
df3['minutes'] = t.dt.components['minutes']

方法2：正则表达式直接提取数字

直接匹配字符串中的数字部分，跳过时间转换步骤，效率更高：

# 提取小时数字并转为整数
df3['hours'] = df3['time_taken'].str.extract(r'(\d+)h').astype(int)
# 提取分钟数字并转为整数
df3['minutes'] = df3['time_taken'].str.extract(r'(\d+)m').astype(int)

方法3：拆分字符串后单独处理

将字符串按空格拆分为小时和分钟两部分，再分别移除单位符号并转换：

# 按空格拆分字符串，生成两列
split_cols = df3['time_taken'].str.split(' ', expand=True)
# 提取小时
df3['hours'] = split_cols[0].str.replace('h', '').astype(int)
# 提取分钟
df3['minutes'] = split_cols[1].str.replace('m', '').astype(int)

内容的提问来源于stack exchange，提问作者Oishi Podder