如何基于时间过滤Pandas DataFrame？转换报错求助

核心问题 #

你的time列虽然显示为HH:MM:SS格式，但实际存储的是**datetime.time类型对象**，而非字符串。这直接导致两个问题：

• 使用pd.to_datetime转换时，该函数无法直接将datetime.time对象转为datetime类型，触发TypeError
• 直接字符串搜索无效，因为列中存储的不是字符串，无法匹配字符串条件

验证方法 #

执行以下代码可确认time列的实际类型：

print(events_df['time'].apply(type).unique())

输出会显示类似[<class 'datetime.time'>]，验证上述结论。

解决方案 #

方案1：直接匹配datetime.time对象

将split_time转换为datetime.time类型，直接和列中的对象匹配：

from datetime import datetime

start_time = "25 September 2022, 13:00:00"
split_time = start_time.split(", ")[1]
# 把字符串时间转为datetime.time对象
target_time = datetime.strptime(split_time, "%H:%M:%S").time()

# 直接过滤time列
filtered_df = events_df.loc[events_df['time'] == target_time]

方案2：将time列转为字符串后匹配

如果更习惯字符串操作，先把time列转为字符串再过滤：

start_time = "25 September 2022, 13:00:00"
split_time = start_time.split(", ")[1]

# 将time列转为字符串格式
events_df['time_str'] = events_df['time'].astype(str)
# 按字符串匹配过滤
filtered_df = events_df.loc[events_df['time_str'] == split_time]

方案3：合并日期时间列（更推荐）

把start_date和time合并为完整的datetime列，后续可直接按完整时间过滤，避免日期和时间分开处理的麻烦：

from datetime import datetime

start_time = "25 September 2022, 13:00:00"
# 把目标时间转为datetime类型
target_datetime = datetime.strptime(start_time, "%d %B %Y, %H:%M:%S")

# 合并DataFrame中的日期和时间为完整datetime列
events_df['full_datetime'] = pd.to_datetime(
    events_df['start_date'].astype(str) + ' ' + events_df['time'].astype(str)
)

# 按完整datetime过滤
filtered_df = events_df.loc[events_df['full_datetime'] == target_datetime]

内容的提问来源于stack exchange，提问作者Andy