Pandas将秒数列转为时分秒格式如何去除0 days前缀

你可以根据你的秒数范围选择以下任意一种方法：

• 方法1：对timedelta字符串做替换，适配所有秒数小于1天的场景
  直接把转换后字符串里的0 days 前缀删除即可，修改后的映射代码如下：

  df['Time'] = df['Sec'].map(lambda row: str(datetime.timedelta(seconds=row)).replace('0 days ', ''))
  

  如果担心有空格格式差异，也可以用切割方式取时分秒部分：

  df['Time'] = df['Sec'].map(lambda row: str(datetime.timedelta(seconds=row)).split(maxsplit=2)[-1])
  

• 方法2：使用pandas内置时间格式化，适配秒数小于1天的场景
  直接将秒数按时间单位转换为datetime类型后格式化输出，代码更简洁：

  import pandas as pd
  df['Time'] = pd.to_datetime(df['Sec'], unit='s').dt.strftime('%H:%M:%S')
  

  注意：该方法仅适用于秒数小于86400（即1天）的场景，若秒数超过1天，小时部分会自动取模24，导致结果不准

• 方法3：手动计算时分秒，适配所有秒数场景
  如果你的秒数可能超过1天，需要把天数折算成累加的小时数，可以自定义转换函数：

  def sec_to_hms(sec):
      hours = sec // 3600
      minutes = (sec % 3600) // 60
      seconds = sec % 60
      return f"{hours:02d}:{minutes:02d}:{seconds:02d}"
  
  df['Time'] = df['Sec'].map(sec_to_hms)
  

  该方法不管秒数多大都可以输出正确的时分秒格式，比如90000秒（25小时）会输出25:00:00，不会出现天数前缀。

内容的提问来源于stack exchange，提问作者Roger Steinberg