如何使用Pandas将CSV中的数值型24小时时间列解析为时间格式

核心问题答复 #

是否需要拼接OccurDate列完全取决于你的使用需求：

• 若仅需要独立的24小时制时间对象（datetime.time类型），无需关联日期信息，不需要拼接，单独处理OccurTime列即可
• 若需要得到带日期的完整时间戳（datetime64类型），用于后续时间序列计算、时间差统计等场景，则需要和OccurDate列拼接后统一解析

具体实现代码 #

方案1：单独解析时间列 #

纯数字格式的OccurTime实际是省略了前导零的4位时间值（例如345对应03:45），先补零到4位再按时间格式解析即可：

import pandas as pd
# 补零到4位后转换为time类型
df['OccurTime'] = pd.to_datetime(
    df['OccurTime'].astype(str).str.zfill(4),
    format='%H%M'
).dt.time

方案2：拼接日期列生成完整时间戳 #

import pandas as pd
# 生成4位格式的时间字符串
time_str = df['OccurTime'].astype(str).str.zfill(4)
# 拼接日期与时间后解析为datetime类型
df['occur_datetime'] = pd.to_datetime(
    df['OccurDate'] + ' ' + time_str,
    # 若OccurDate格式非年-月-日，可修改此处format参数匹配实际格式
    format='%Y-%m-%d %H%M',
    # 可选参数：非法值自动转为NaT避免报错
    errors='coerce'
)

注意事项 #

• 若OccurDate列本身已经是datetime类型，可直接用pd.to_datetime(df['OccurDate'].dt.strftime('%Y-%m-%d') + ' ' + time_str)进行拼接
• 遇到超过2359的异常时间值时，建议先做数据清洗再解析，避免出现非预期的转换结果

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