如何用Python Pandas将CSV中含年/月/周的时长列转换为天数？

需求说明 #

需要把CSV文件Duration列中以年、月、周、天为单位的字符串，统一转换为以天为单位的目标格式。示例如下：

输入样本：["7 Months","1 Year","8 Weeks","3 Days"]
预期输出：["210 Days","365 Days","56 Days","3 Days"]

原尝试代码 #

import pandas as pd

df = pd.read_csv("master_list.csv", usecols = ['Duration'])
#month manipulation starts
df[df['Duration'].fillna('').str.contains('Months') & df['Duration'].fillna('').str.len().gt(0)]
df["Duration"] = df["Duration"].str.replace("\sMonths", "")
df['Duration'] = pd.to_numeric(df['Duration'], errors='coerce').fillna(0).astype(float)
df['Duration'] *= 30.436875
#month manipulation end
df[df['Duration'].fillna('').str.contains('Weeks') & df['Duration'].fillna('').str.len().gt(0)]
df["Duration"] = df["Duration"].str.replace("\sWeeks", "")
#df['Duration'] *= 30.436875

print(df)

原代码问题 #

1. 没有区分不同单位的处理顺序，处理完月份后直接将所有值转为数值，导致后续无法识别周、年的原字符串
2. 未覆盖Year和Days的转换逻辑
3. 索引筛选操作df[df['Duration']...]未赋值，属于无效操作，不会修改原DataFrame

正确实现方案 #

通过提取数值+匹配单位的方式，分情况计算天数，最终格式化目标字符串：

import pandas as pd

# 读取CSV，仅保留Duration列
df = pd.read_csv("master_list.csv", usecols=['Duration'])

# 定义单位到天数的转换系数
unit_convert = {
    'Year': 365,
    'Months': 30.436875,
    'Weeks': 7,
    'Days': 1
}

# 拆分数值和单位
df[['num', 'unit']] = df['Duration'].str.extract(r'(\d+)\s+(\w+)', expand=True)
df['num'] = pd.to_numeric(df['num'], errors='coerce').fillna(0)

# 计算天数并格式化结果
df['Duration'] = df.apply(
    lambda x: f"{round(x['num'] * unit_convert.get(x['unit'], 1))} Days"
    if pd.notna(x['unit']) else x['Duration'],
    axis=1
)

print(df)

代码说明 #

• 用正则(\d+)\s+(\w+)拆分时长字符串中的数值和单位，存入新列
• 转换系数通过字典定义，后续可灵活添加新单位
• 逐行计算天数并拼接成目标格式，匹配失败时保留原数据
• 对异常值做了填充处理，避免运行报错

内容的提问来源于stack exchange，提问作者Mayuresh Deshmukh