如何修改pandas非结构化Excel混合类型列的类型并计算小时差

pandas默认将同时包含时间格式内容和普通文本的列识别为object类型，硬转整列数值时会触发类型不匹配错误，不需要复杂的类型规则配置，通过逐元素分流处理即可实现和你R使用习惯一致的转换效果。

核心实现思路 #

针对列内的两类混杂内容分流处理：

• 对可解析为时间的内容，直接提取对应的小时数值
• 对普通文本（如示例中的Z），统一返回0，对齐R中as.numeric()对非时间内容的转换行为
• 基于转换后的纯数值列计算相邻行的小时差值，生成目标hours列

可直接复用的代码 #

首先定义兼容多输入格式的解析函数，覆盖Excel读取后常见的两种时间存储形式：

import pandas as pd
from datetime import time

def extract_hour_number(cell):
    # 处理Excel读取后识别为原生时间对象的单元格
    if isinstance(cell, time):
        return cell.hour
    # 处理字符串形式的时间内容
    if isinstance(cell, str) and ":" in cell:
        try:
            return int(cell.split(":")[0])
        except ValueError:
            return 0
    # 所有非时间内容统一返回0
    return 0

将解析逻辑应用到实际数据，生成目标列：

# 替换raw_mixed_col为你实际的待处理列名
df["hour_clean"] = df["raw_mixed_col"].apply(extract_hour_number)
# 计算相邻行差值得到hours列，首行空值填充为0
df["hours"] = df["hour_clean"].diff().fillna(0)

输出效果匹配 #

这套逻辑和你在R中得到的结果完全一致：

• 10:00:00会被解析为数值10，相邻的18:00:00解析为数值18，两者的差值即为示例中预期的8
• 列内的Z这类普通文本会被直接转为0，不会出现类型报错
• 兼容所有常见的Excel读取场景，即使读取时强制将列设置为字符串类型，函数也可以正常解析

注意：不需要对原始object列做强制类型转换，逐元素处理的方式可以完全规避整列转换的报错问题。

内容的提问来源于stack exchange，提问作者user15282987