Pandas如何将赛车m:ss.000/ss.000格式计时数据转换为秒数

针对两种格式（ss.000秒.毫秒、m:ss.000分:秒.毫秒）的圈速/分段计时数据，不需要手动写字符串拆分逻辑，用pandas原生时间差解析方法即可实现批量转换，代码更简洁、兼容性更强。

实现步骤 #

• 首先注意原始数据构造时，带冒号的分秒格式值需要存储为字符串类型，否则Python会把1:13.564识别为非法语法，正确的测试DataFrame构造如下：

import pandas as pd

df = pd.DataFrame(
    [["48.004", "1:13.564"], ["38.965", "58.223"], ["45.630", "1:10.084"]],
    columns=["S1", "S2"]
)

• 编写单值转换函数，用pd.to_timedelta自动识别时间格式，统一输出总秒数：

def to_seconds(time_val):
    time_str = str(time_val)
    # 带冒号的格式直接按分:秒.毫秒解析，不带冒号的补秒单位后解析
    parse_str = time_str if ":" in time_str else f"{time_str}s"
    return pd.to_timedelta(parse_str).total_seconds()

• 批量转换DataFrame所有计时列，需要修改列名的话直接重命名即可：

# 全表批量转换
df = df.applymap(to_seconds)
# 重命名为目标列名
df.columns = ["A", "B"]

转换结果 #

执行后输出的结果完全匹配需求：

A       B
0  48.004  73.564
1  38.965  58.223
2  45.630  70.084

方案优势 #

• 不需要手动实现字符串拆分、数值换算逻辑，pandas原生解析自带类型兼容、异常值处理能力
• 扩展性强，后续如果出现h:mm:ss.000（时:分:秒.毫秒）的长圈速格式，不需要修改代码即可直接解析
• 兼容混合数据类型，原始列里同时存在浮点数格式的秒数、字符串格式的分秒值也能正常转换

内容的提问来源于stack exchange，提问作者Andrei Filep