Pandas中如何将HH:MM:SS转秒、无效'-'转换为NaT

你之前使用pd.to_datetime出现1900-01-01前缀的核心原因是：datetime类型用于表示时间点，必须包含日期、时间两部分信息，你仅传入时间字符串时，pandas会自动补全默认日期1900-01-01，属于类型的正常表现。而马拉松分段成绩属于时间间隔，应该用pd.to_timedelta处理，不仅符合业务语义，性能也更高。

最高效实现方案（全向量化操作，无自定义遍历逻辑，性能远高于逐元素处理） #

场景1：将"-"转为NaT，成绩保留时间间隔类型 #

# 选中所有分段成绩列
time_cols = df.loc[:, "5K":].columns
# 自动识别HH:MM:SS格式，"-"等无效值自动转为NaT
df[time_cols] = df[time_cols].apply(pd.to_timedelta, errors="coerce")

场景2：直接将成绩转为总秒数（数值类型，无效值对应NaN） #

time_cols = df.loc[:, "5K":].columns
# 先转时间间隔，再计算总秒数
df[time_cols] = df[time_cols].apply(pd.to_timedelta, errors="coerce").apply(lambda x: x.dt.total_seconds())

方案说明 #

• 全程使用pandas内置C实现的向量化方法，处理百万级行数据也能快速完成
• errors="coerce"参数自动处理"-"值，完全符合你的转换要求
• 不需要调整原有CSV读取逻辑，直接对已加载的DataFrame处理即可

内容的提问来源于stack exchange，提问作者user15936471