如何用Pandas合并CSV中的时分秒列生成可读时间戳

嘿，这个需求很常见，用pandas就能轻松解决！我给你两种常用方法，看哪种更适合你的场景：

方法一：直接拼接成HH:MM:SS字符串 #

如果你的需求只是生成类似16:45:13的字符串格式，直接用字符串格式化就可以，记得给个位数的时间补零（比如9点变成09）：

import pandas as pd

# 读取CSV文件
df = pd.read_csv('your_data.csv')

# 先确保时间列是数值类型（避免读取时变成字符串导致格式错误）
df['hr'] = pd.to_numeric(df['hr'], errors='coerce')
df['minute'] = pd.to_numeric(df['minute'], errors='coerce')
df['second'] = pd.to_numeric(df['second'], errors='coerce')

# 合并成标准时间字符串
df['time_stamp'] = df.apply(
    lambda row: f"{row['hr']:02d}:{row['minute']:02d}:{row['second']:02d}",
    axis=1
)

执行后，time_stamp列就是你想要的可读时间格式了。

方法二：生成Datetime对象（更推荐用于绘图） #

如果后续要绘制时间序列图表，强烈推荐先生成完整的datetime对象——pandas和可视化库（比如matplotlib、seaborn）对datetime类型的支持更好，能自动处理时间排序、坐标轴刻度等：

import pandas as pd

df = pd.read_csv('your_data.csv')

# 用pandas的to_datetime直接合并年月日时分秒列
df['datetime'] = pd.to_datetime(df[['yr', 'month', 'day', 'hr', 'minute', 'second']])

# 如果你仍需要单独的HH:MM:SS字符串，可以从datetime列提取
df['time_stamp'] = df['datetime'].dt.time

这个方法的优势在于：后续绘图时，你可以直接用df['datetime']作为x轴，工具会自动识别时间序列，帮你做好坐标轴的格式化和排序，比纯字符串更灵活。

验证结果 #

你可以用下面的代码查看转换后的效果：

print(df[['hr', 'minute', 'second', 'time_stamp']].head(10))

内容的提问来源于stack exchange，提问作者Natasha