如何在Netflix DataFrame中添加duration列并统计各用户观看总时长

前置说明 #

Netflix导出的观看记录里，DURATION列默认是时:分:秒格式的字符串，不支持直接求和计算，必须先转换为可运算的时间类型。

pd.to_timedelta()是pandas提供的时长转换函数，作用是把符合时间长度格式的字符串、数值转换为Timedelta时间差类型，转换后的值可以直接做加减、求和等算术运算。遇到格式不合法的脏数据时，加errors='coerce'参数会自动把异常值转为空值，不会中断代码运行。

分步实现 #

• 第一步：导入pandas库

import pandas as pd

• 第二步：加载你的Netflix数据集

# 替换成你本地的Netflix数据文件路径
df = pd.read_csv("your_netflix_data.csv")
# 可选：执行df.head()查看前几行数据，确认字段名、DURATION列格式是否匹配

• 第三步：转换DURATION列为可计算格式

# 转换后的时长列存为新列cal_duration，避免修改原始数据
df["cal_duration"] = pd.to_timedelta(df["DURATION"], errors="coerce")

• 第四步：按Profile Name分组统计总观看时长

user_watch_total = df.groupby("Profile Name", as_index=False)["cal_duration"].sum()

• 第五步：提取观看时长最高的用户

# 按总时长降序排序，取第一条结果即为时长最高的用户
top_user = user_watch_total.sort_values("cal_duration", ascending=False).iloc[0]

# 打印结果
print(f"观看时长最高用户：{top_user['Profile Name']}")
print(f"累计观看时长：{top_user['cal_duration']}")

常用扩展 #

如果后续需要做可视化、数值对比，可以把时间差类型转成以小时为单位的浮点数：

# 新增总观看小时列
user_watch_total["total_watch_hours"] = user_watch_total["cal_duration"].dt.total_seconds() / 3600

内容的提问来源于stack exchange，提问作者kaydee