如何在Pandas中将HHMMSS格式整数转为可提取.time()的时间类型？

针对3500万行的大数据集，优先选择向量化操作避免逐行处理的性能损耗，以下两种高效方案可供选择：

方法1：字符串补零+时间解析（简洁直观） #

先将整数转为固定6位的字符串（自动补前导零），再用Pandas的时间解析函数转换，最后提取time()部分：

# 把整数转为6位字符串，补全前导零
df['Time_str'] = df['Time'].astype(str).str.zfill(6)
# 按HHMMSS格式解析为datetime，提取time对象
df['Time_dt'] = pd.to_datetime(df['Time_str'], format='%H%M%S').dt.time

方法2：数值计算拆分时分秒（性能更优） #

通过数学运算直接拆分时、分、秒，再构造datetime对象，纯数值操作的速度更快，适合超大规模数据集：

# 拆分小时、分钟、秒字段
df['hour'] = df['Time'] // 10000
df['minute'] = (df['Time'] % 10000) // 100
df['second'] = df['Time'] % 100

# 利用拆分后的字段构造datetime，提取time部分
df['Time_dt'] = pd.to_datetime(df[['hour', 'minute', 'second']]).dt.time

# 清理中间列节省内存
df = df.drop(['hour', 'minute', 'second'], axis=1)

效果验证 #

转换后，整数90000会变为datetime.time(9, 0)（上午9点），100000变为datetime.time(10, 0)（上午10点），后续可直接基于Time_dt列按自定义间隔（小时/分钟/秒）进行统计分析。

内容的提问来源于stack exchange，提问作者James MacKinnon