如何在Pandas DataFrame中将数值转为秒并计算时分格式时间总和？

我来帮你搞定这个时间格式转换的需求！你的核心需求是把求和后的总秒数转换成分:秒或者X分X秒的格式，其实只需要写一个简单的转换函数，再把它应用到求和结果上就行，一步步来：

1. 先确认数据导入与求和的基础操作 #

假设你已经用pandas导入了CSV数据（如果还没导入，用df = pd.read_csv('你的文件路径.csv')即可）。首先建议先单独筛选出所有时间列，避免把Responses这类非数值列卷进来：

time_cols = df.filter(like='Time')  # 筛选所有名称包含Time的列

2. 写一个秒数转目标格式的函数 #

这个函数接收总秒数，计算出分钟和剩余秒数，然后返回你想要的格式：

def seconds_to_time(seconds):
    minutes = seconds // 60  # 整除得到分钟数
    remaining_seconds = seconds % 60  # 取余得到剩余秒数
    
    # 两种格式二选一，根据你的需求切换：
    # 格式1：分:秒（秒数补零，比如1分5秒显示为1:05）
    return f"{minutes}:{remaining_seconds:02d}"
    # 格式2：中文表述（比如1分16秒）
    # return f"{minutes}分{remaining_seconds}秒"

这里的{remaining_seconds:02d}是为了让秒数不足10时自动补零，保证格式统一，如果不需要补零，直接写成{remaining_seconds}就行。

3. 对行/列求和并格式化 #

计算每个响应的总时间（行求和） #

# 先计算每行的总秒数
row_total_seconds = time_cols.sum(axis=1)
# 应用转换函数得到格式化结果
row_formatted = row_total_seconds.apply(seconds_to_time)
# 可以和Responses列合并成新的DataFrame，方便查看
row_result = pd.DataFrame({
    'Responses': df['Responses'],
    'Total Time': row_formatted
})
print(row_result)

运行后会得到类似这样的结果（以分:秒格式为例）：

Responses Total Time
0       abc       1:30
1       bce       1:18
2       cde       1:32

计算每个Time列的总时间（列求和） #

# 先计算每列的总秒数
col_total_seconds = time_cols.sum(axis=0)
# 应用转换函数得到格式化结果
col_formatted = col_total_seconds.apply(seconds_to_time)
print(col_formatted)

运行后就会得到你想要的格式：

Time 1    1:16
Time 2    1:35
Time 3    1:30
dtype: object

额外注意事项 #

如果你的时间列不是整数类型（比如导入后是字符串），需要先转换成整数：

for col in time_cols.columns:
    df[col] = df[col].astype(int)

内容的提问来源于stack exchange，提问作者FrahChan04