Python Pandas中对字符串格式时间列的小时值执行%24取余操作方法问询

适用场景 #

针对字符串格式的HH:MM:SS时间列，小时部分数值超出24的场景，对小时执行%24取余运算，输出标准格式的时间字符串。

实现步骤（Python + Pandas） #

• 1. 导入依赖并读取CSV数据集

import pandas as pd
# 替换为你的实际文件路径
df = pd.read_csv("./sales_data.csv")

• 2. 定义时间处理函数

def adjust_time_hour(time_str: str) -> str:
    # 拆分时分秒
    hour, minute, second = time_str.split(":")
    # 小时对24取余，不足2位补前导零
    adjusted_hour = f"{int(hour) % 24:02d}"
    # 拼接返回标准时间字符串
    return f"{adjusted_hour}:{minute}:{second}"

• 3. 应用函数处理时间列

# 生成新的处理后列，也可直接赋值给df['time']覆盖原列
df['fixed_time'] = df['time'].apply(adjust_time_hour)

效果验证 #

处理前后的时间对照示例：

如果需要同时将超出的天数累加到日期列，可以在处理小时的同时计算int(hour) // 24得到需要增加的天数，再转换日期格式做日期偏移即可。

内容的提问来源于stack exchange，提问作者jixubi