如何调整Pandas代码实现含无效值的时间列格式转换？

问题根源 #

你的代码报错是因为无效字符串（如'abc'、'email'）被强制拆分拼接成了非时间格式（比如'abc:00'），导致pd.to_datetime无法解析。需要先区分有效时间值和无效值，只处理符合格式的行。

方案1：保留无效值原内容，仅格式化有效时间 #

这种方式会让无效值保持原样，只把符合数字:数字格式的时间转为HH:MM:00：

import pandas as pd

# 1. 用正则标记出有效时间行（匹配 数字:数字 的格式）
valid_mask = df['queue time'].str.match(r'^\d+:\d+$', na=False)

# 2. 对有效行拆分时分、补零、拼接成带秒的格式
if valid_mask.any():
    time_parts = df.loc[valid_mask, 'queue time'].str.split(':', expand=True)
    time_parts = time_parts.apply(lambda col: col.str.zfill(2))
    formatted_time = time_parts.agg(':'.join, axis=1) + ':00'
    df.loc[valid_mask, 'queue time'] = formatted_time

方案2：将无效值转为空值（NaT），格式化有效时间 #

如果希望无效值统一显示为空，可以用pd.to_datetime的errors='coerce'参数，同时预处理有效时间：

import pandas as pd

# 复制原列用于后续还原（可选，若不需要保留原无效值可跳过）
df['original_queue'] = df['queue time']

# 1. 仅对含冒号的行做补零拼接
has_colon = df['queue time'].str.contains(':', na=False)
df.loc[has_colon, 'queue time'] = (
    df.loc[has_colon, 'queue time']
    .str.split(':', expand=True)
    .apply(lambda col: col.str.zfill(2))
    .agg(':'.join, axis=1)
    + ':00'
)

# 2. 转换为时间类型，无效值自动转为NaT
df['queue time'] = pd.to_datetime(df['queue time'], errors='coerce').dt.time

# 3. （可选）将NaT还原为原无效字符串
df.loc[pd.isna(df['queue time']), 'queue time'] = df['original_queue']
df.drop('original_queue', axis=1, inplace=True)

原代码问题拆解 #

原代码对所有字符串执行拆分操作：

• 像'abc'这类无冒号的字符串，拆分后只有1列，fillna('00')会补出第二列，最终拼接成abc:00，这不是有效时间格式，触发ParserError。
• 通过先筛选有效行（正则匹配）或仅处理含冒号的行，就能避免无效值进入时间解析流程。

内容的提问来源于stack exchange，提问作者Soumya Pandey