Pandas基于Seconds列插入时分秒列及类型报错解决方案

报错根本原因 #

• 你编写的转换函数仅支持单个标量数值入参，直接传入整列Seconds（pandas Series类型）时，datetime.timedelta()无法接收Series类型作为秒数参数，触发第一个类型错误
• 尝试用float()强转整个Series时，float()仅支持转换单个数值，无法批量处理整列数据，触发第二个类型错误
• 原函数本身存在语法问题：所有if判断行末尾缺失冒号，秒值赋值处错将赋值符=写为比较符==，即使解决类型问题也无法正常运行

最高效实现方案（无需多次调用df.insert） #

直接用pandas向量化数值运算做拆分，性能远高于逐行循环、多次插入列的写法，一次计算完所有列后统一调整顺序即可：

# 纯数值计算拆分时分秒，支持秒数累计超过24小时的场景
total_sec = df["Seconds"]
df["Hour"] = (total_sec // 3600).astype(int)
remain_sec = total_sec % 3600
df["Min"] = (remain_sec // 60).astype(int)
df["Sec"] = (remain_sec % 60).round(4)  # 固定保留4位小数

# 一次性调整列顺序，替换原Seconds列的位置
col_list = df.columns.tolist()
sec_index = col_list.index("Seconds")
# 拼接新列顺序：Number列 + 新增的Hour/Min/Sec + 原Seconds之后的其他列
new_cols = col_list[:sec_index] + ["Hour", "Min", "Sec"] + col_list[sec_index+1:]
df = df[new_cols]

基于原timedelta逻辑的修正写法 #

如果需要复用datetime.timedelta的转换逻辑，需用apply逐行传值，不要直接传入整个Series，同时调整函数逻辑一次性返回三个值，避免重复计算：

import datetime
import pandas as pd

def sec_to_hms(sec_value):
    hours, mins, secs = str(datetime.timedelta(seconds=sec_value)).split(":")
    return int(hours), int(mins), round(float(secs), 4)

# 批量生成三列
df[["Hour", "Min", "Sec"]] = df["Seconds"].apply(lambda x: pd.Series(sec_to_hms(x)))
# 列顺序调整逻辑和上述向量化方案一致

注意：该逐行apply方案在数据量超过10万行时，性能会比向量化运算低数倍到数十倍，优先选择纯数值计算的向量化方案。

内容的提问来源于stack exchange，提问作者Billy