PySpark如何在字符串中间插入字符以转换为Timestamp？

这个需求在处理时间格式转换时很常见，我给你两种实用的方案，分别适配单个字符串处理和批量数据场景：

方法1：Python原生正则替换（通用场景） #

如果是处理单个字符串或者列表里的零散字符串，用正则表达式替换最直接。核心思路是把每一组4位数字拆成前两位和后两位，中间插入冒号：

import re

original_str = "Hour 0045 2322"
formatted_str = re.sub(r'(\d{2})(\d{2})', r'\1:\2', original_str)
print(formatted_str)  # 输出: Hour 00:45 23:22

简单解释下：

• 正则(\d{2})(\d{2})会把连续4位数字拆成两个捕获组（前两位和后两位）
• 替换模板\1:\2会把两个捕获组用冒号拼接起来，自动处理所有符合规则的4位数字片段

方法2：Pandas批量处理DataFrame列（适合数据分析场景） #

如果你的数据存在Pandas DataFrame的列中，直接用str.replace结合正则就能批量完成格式转换，之后还能直接转成Timestamp类型：

import pandas as pd

# 模拟你的数据
df = pd.DataFrame({'time_col': ["Hour 0045 2322", "Hour 1234 0506", "Hour 0915 2040"]})

# 批量格式化列
df['formatted_time'] = df['time_col'].str.replace(r'(\d{2})(\d{2})', r'\1:\2', regex=True)

# 转换为Timestamp类型
df['timestamp'] = pd.to_datetime(df['formatted_time'], format='Hour %H:%M %H:%M')

print(df)

运行后输出：

time_col    formatted_time           timestamp
0  Hour 0045 2322  Hour 00:45 23:22 1900-01-01 00:45:00
1  Hour 1234 0506  Hour 12:34 05:06 1900-01-01 12:34:00
2  Hour 0915 2040  Hour 09:15 20:40 1900-01-01 09:15:00

注意这里pd.to_datetime的format参数要和你格式化后的字符串完全匹配，确保解析正确。如果你的时间串包含日期信息，只需要调整format模板即可。

小提示 #

如果担心正则误匹配其他4位数字（比如字符串里有非时间的4位数字），可以把正则写得更精准，比如只匹配Hour 后面的4位数字：

formatted_str = re.sub(r'(?<=Hour )(\d{2})(\d{2})', r'\1:\2', original_str)

不过根据你描述的固定格式，通用正则已经足够好用了。

内容的提问来源于stack exchange，提问作者BryceSoker