非格式化浮点数值转%H%M格式时间戳：to_datetime处理5.0报错求助

问题出在5.0这类数值转换为字符串后是"5"，不符合%H%M格式要求的4位数字（HHMM），导致pd.to_datetime解析失败。以下是具体解决步骤：

步骤1：转换浮点数为整数并补零到4位 #

先将浮点数列转为整数，再格式化为4位字符串（不足4位时前面补零），确保每个值都符合HHMM的格式规范：

import pandas as pd

# 创建示例DataFrame
df = pd.DataFrame({'time': [5.0, 504.0, 847.0, 11.0, 1247.0]})

# 转换为整数→字符串→补零到4位
df['time_hhmm'] = df['time'].astype(int).astype(str).str.zfill(4)

执行后time_hhmm列的值为：["0005", "0504", "0847", "0011", "1247"]，完全符合%H%M的解析要求。

步骤2：转换为时间戳或格式化字符串 #

方式1：转为Python时间对象

使用pd.to_datetime解析后，提取时间部分：

df['timestamp'] = pd.to_datetime(df['time_hhmm'], format='%H%M').dt.time

结果timestamp列的值为：[00:05:00, 05:04:00, 08:47:00, 00:11:00, 12:47:00]。

方式2：直接生成HH:MM格式字符串

如果不需要时间对象，仅需格式化后的字符串，可以直接截取拼接：

df['time_formatted'] = df['time_hhmm'].str[:2] + ':' + df['time_hhmm'].str[2:]

结果time_formatted列的值为：["00:05", "05:04", "08:47", "00:11", "12:47"]。

特殊情况处理 #

如果你的数据中存在非整数型浮点数（如5.5），可以先通过round()或floor()取整后再处理：

# 四舍五入取整
df['time_hhmm'] = df['time'].round().astype(int).astype(str).str.zfill(4)
# 或者向下取整
df['time_hhmm'] = df['time'].astype(int).astype(str).str.zfill(4)

内容的提问来源于stack exchange，提问作者Fernando Araiza