如何清洗含小时与分钟的DataFrame列并统一转换为小时

解决方案：通过正则提取数值与单位，批量换算 #

针对这类带时长单位的列，无需手动拆分后逐一处理，用正则提取数值和单位后批量换算更高效，以下分两种场景给出代码：

场景1：每行仅含单一单位（如"2小时"、"30分钟"）

import pandas as pd

# 示例数据
df = pd.DataFrame({'时长': ['2小时', '30分钟', '5.5小时', '45分钟']})

# 提取数值和单位
df[['数值', '单位']] = df['时长'].str.extract(r'(\d+\.?\d*)\s*(小时|分钟)')
df['数值'] = df['数值'].astype(float)

# 换算为小时：小时数值保持不变，分钟数值除以60
df['总小时数'] = df.apply(lambda row: row['数值'] if row['单位'] == '小时' else row['数值']/60, axis=1)

场景2：每行含混合单位（如"1小时30分钟"）

如果存在同一行同时包含小时和分钟的情况，需要提取所有时长片段后求和：

import pandas as pd

# 示例数据
df = pd.DataFrame({'时长': ['1小时30分钟', '2小时15分钟', '45分钟', '3小时']})

# 提取所有数值和单位（支持多行匹配）
extracted = df['时长'].str.extractall(r'(\d+\.?\d*)\s*(小时|分钟)')
extracted.columns = ['数值', '单位']
extracted['数值'] = extracted['数值'].astype(float)

# 换算为小时并按原行分组求和
extracted['小时数'] = extracted.apply(lambda x: x['数值'] if x['单位'] == '小时' else x['数值']/60, axis=1)
df['总小时数'] = extracted.groupby(level=0)['小时数'].sum()

说明 #

• 正则表达式(\d+\.?\d*)\s*(小时|分钟)可以匹配整数、小数形式的时长数值，以及对应的单位；
• 通过astype(float)将提取的字符串数值转为浮点数，确保计算精度；
• 混合单位场景下用extractall捕获所有时长片段，再通过groupby(level=0)按原DataFrame的行索引分组求和，得到每行的总小时数。

内容的提问来源于stack exchange，提问作者Mick G