动态Pandas DataFrame中如何将秒值转换为HH:MM:SS格式时间间隔

能否将该Pandas透视表DataFrame中的所有浮点数，从以秒为单位转换为HH:MM:SS格式的时间间隔？

当前透视表结构：

Name        Student A  Tutor
Date
2021-04-12       52.0   86.0
2021-04-13       13.0  113.0
2021-04-14        NaN   34.0
Average          32.5   77.6

期望的最终结果：

Name         Student A         Tutor
Date
2021-04-12    00:00:52      00:01:26
2021-04-13    00:00:13      00:01:53
2021-04-14                  00:00:34
Average       00:00:32      00:01:17

注意事项：

• Tutor、Student A等列是动态生成的，无法通过列名固定引用，实际场景中表格可能存在多个学生列。
• 尝试使用pd.to_timedelta时，所有转换结果都会自动添加"0 days"前缀，无法满足需求。
• 原表格还包含总计列与总计行，此处为简化展示已将其移除。

该透视表的构建流程如下：

import pandas as pd

df = pd.DataFrame({
    'Date': ['2021-04-12', '2021-04-12', '2021-04-13', '2021-04-13', '2021-04-14'],
    'Name': ['Tutor', 'Student A', 'Student A', 'Tutor', 'Tutor'],
    'duration_seconds': [86, 52, 13, 113, 34]
})

df的结构如下：

Date       Name  duration_seconds
0  2021-04-12      Tutor                86
1  2021-04-12  Student A                52
2  2021-04-13  Student A                13
3  2021-04-13      Tutor               113
4  2021-04-14      Tutor                34

执行分组操作：

grouped = df.groupby(['Name', 'Date']).sum()

得到分组结果：

duration_seconds
Name        Date
Student A   2021-04-12               52
            2021-04-13               13
Tutor       2021-04-12               86
            2021-04-13              113
            2021-04-14               34

转换为目标透视表格式：

pivoted = grouped.pivot_table(
    values='duration_seconds',
    index='Date',
    columns='Name'
)

得到透视结果：

Name        Student A  Tutor
Date
2021-04-12       52.0   86.0
2021-04-13       13.0  113.0
2021-04-14        NaN   34.0

添加平均值行：

pivoted.loc['Average'] = pivoted.mean()

得到添加平均值后的结果：

Name        Student A       Tutor
Date
2021-04-12       52.0   86.000000
2021-04-13       13.0  113.000000
2021-04-14        NaN   34.000000
Average          32.5   77.666667

以上为当前已完成的操作，最后一步需要将学生、导师类列下的所有数值转换为HH:MM:SS格式的时间间隔。

原本尝试的方案存在缺陷，所有转换结果都会被添加0 days 前缀，不符合需求：

pivoted.iloc[:].apply(pd.to_timedelta, unit='s')

解决方案 #

由于所有列都是动态生成的数值列，不需要硬编码列名，通过逐元素映射的方式即可完成转换，完全适配任意数量的动态列。

1. 自定义转换函数：空值直接返回空字符串，有效秒数计算时分秒并补零为两位数格式

def convert_seconds(sec_val):
    # 匹配空值场景，返回空字符串而非00:00:00
    if pd.isna(sec_val):
        return ''
    # 截断小数秒，匹配示例的取整逻辑
    total_sec = int(sec_val)
    hours = total_sec // 3600
    minutes = (total_sec % 3600) // 60
    seconds = total_sec % 60
    # 格式化为统一的HH:MM:SS结构
    return f"{hours:02d}:{minutes:02d}:{seconds:02d}"

2. 对整个透视表应用转换，自动覆盖所有动态生成的列

# pandas >=2.1 直接使用.map，低版本替换为.applymap
final_df = pivoted.map(convert_seconds)

3. 输出验证

print(final_df)

输出结果完全匹配预期：

Name         Student A         Tutor
Date
2021-04-12    00:00:52      00:01:26
2021-04-13    00:00:13      00:01:53
2021-04-14                  00:00:34
Average       00:00:32      00:01:17

补充：若所有时长均在单日以内，也可通过timedelta字符串拆分简化实现，自动去除days前缀：

final_df = (
    pivoted.apply(pd.to_timedelta, unit='s')
    .astype(str)
    .str.split(' ')
    .str[-1]
    .replace('NaT', '')
)

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