如何更快且优雅地修正DataFrame中超过24小时的时间列

最近处理CSV数据时碰到个问题：我读取的文件里有一列EntryTOD（一天中的时间），部分跨午夜的事件时间没有回滚到00:00，而是直接涨到了24点以上（比如24:00:01、25:10:30这类格式），而且这列数据是字符串类型。我需要把小时数≥24的时间减去24小时，转换成正常的0-23小时格式。

最开始我用循环逐行处理：

for row in f2.itertuples():
    # Fix times > 24h
    if int(row.EntryTOD[0:2]) >= 24:
        actualTime = int(row.EntryTOD[0:2]) - 24
        f2.EntryTOD[row.Index-1] = str(actualTime) + row.EntryTOD[2:]

代码能跑，但处理8万多行数据居然要30-40秒，实在太慢了。所以想请教两个问题：

• 有没有更快的实现方式？
• 作为Python新手，有没有更优雅的写法？比如能不能用一行代码搞定？

高效优雅的解决方案（感谢Rene） #

用Pandas的apply方法配合lambda表达式就能完美解决这两个问题，不仅速度飙升，还能写成一行代码：

f2.EntryTOD = f2.EntryTOD.apply(lambda x: str(int(x.split(':')[0])-24)+x[2:] if int(x.split(':')[0]) > 23 else x)

这个方法的逻辑很清晰：对每个时间字符串，先通过split(':')拆分出小时部分，判断是否大于23（也就是≥24），如果是就把小时数减24，再拼接回原字符串的分钟和秒部分；如果不是就直接保留原时间。相比逐行循环，Pandas的向量化操作能大幅提升处理大数据集的效率，8万行数据基本瞬间就能处理完。

内容的提问来源于stack exchange，提问作者guidout