如何批量将混合格式时间统一转换为24小时制？

完全可以批量处理，不用逐行操作。下面是针对你给出的示例数据的完整解决方案，用R实现：

步骤1：加载所需包 #

需要用到chron处理数值型时间，lubridate处理不同格式的字符型时间：

library(chron)
library(lubridate)

步骤2：构造示例数据集 #

先把你的示例数据转成数据框：

df <- data.frame(
  time = c("12:30 PM", "03:00 PM", "0.961469907", "0.913622685", "0.911423611", "09:10 AM", "18:00"),
  stringsAsFactors = FALSE
)

步骤3：编写批量转换函数 #

这个函数会自动识别每行的时间格式并转换为标准24小时制的HH:MM:SS格式：

convert_to_24h <- function(time_str) {
  # 先尝试转数值，成功则用chron处理
  num_val <- suppressWarnings(as.numeric(time_str))
  if (!is.na(num_val)) {
    return(as.character(times(num_val)))
  }
  
  # 处理字符型时间（12小时制带AM/PM 或 24小时制）
  parsed_time <- parse_date_time(time_str, orders = c("%I:%M %p", "%H:%M"))
  # 提取时间部分并格式化为HH:MM:SS
  return(format(parsed_time, "%H:%M:%S"))
}

步骤4：批量应用函数到数据列 #

用sapply批量处理整个列：

df$new_time <- sapply(df$time, convert_to_24h)

最终结果 #

运行后查看数据框：

print(df)

输出和你的期望结果一致：

time  new_time
1  12:30 PM 12:30:00
2  03:00 PM 15:00:00
3 0.961469907 23:04:31
4 0.913622685 21:55:37
5 0.911423611 21:52:27
6  09:10 AM 09:10:00
7      18:00 18:00:00

注意事项 #

• 如果你的数据量极大（百万级以上），可以考虑用data.table的fread读取数据，并用data.table语法批量处理，速度会更快：

library(data.table)
dt <- fread("your_data.csv")
dt[, new_time := sapply(time, convert_to_24h)]

• 函数里的suppressWarnings是为了避免字符型转数值时的警告，不影响结果。

内容的提问来源于stack exchange，提问作者Emma N