如何将毫秒级耗时列转换为Pandas时间序列？

没问题，这事儿我熟，咱们一步步来解决——不管你的耗时列是纯数字（直接代表毫秒数）还是带单位的字符串，都能轻松转成Timedelta，再生成非等间隔的时间序列。

第一步：将耗时列转换为Timedelta类型 #

Pandas的pd.to_timedelta()是处理这类需求的核心工具，分两种情况处理：

• 如果列里是纯数字（单位为毫秒）：
  直接指定unit='ms'，让Pandas明确把数字解析为毫秒级的时间差：

  df['耗时_delta'] = pd.to_timedelta(df['你的耗时列名'], unit='ms')
  

• 如果列里是带单位的字符串（比如"150ms"、"2.3s"）：
  Pandas能自动识别常见时间单位，直接调用函数即可：

  df['耗时_delta'] = pd.to_timedelta(df['你的耗时列名'])
  

处理异常值 #

如果列里混有无效值（比如非数字、错误单位），可以用errors='coerce'把这些值转为NaT（Not a Time），之后再清理：

df['耗时_delta'] = pd.to_timedelta(df['你的耗时列名'], unit='ms', errors='coerce')
# 清理含NaT的行
df = df.dropna(subset=['耗时_delta'])

第二步：生成非等间隔的时间序列 #

如果你的需求是基于某个起始时间，把这些耗时累加得到具体的时间点（比如从实验开始时间往后推），可以这么做：

1. 先计算累计的时间差：

   df['累计耗时'] = df['耗时_delta'].cumsum()
   

2. 设置起始时间，然后生成时间序列：

   # 替换成你的实际起始时间
   start_time = pd.to_datetime('2024-05-20 09:00:00')
   df['时间序列'] = start_time + df['累计耗时']
   

这样得到的时间序列列就是完全非等间隔的，完美匹配你的需求。

完整示例 #

假设你的原始数据是这样的：

对应的完整代码：

import pandas as pd

# 创建示例数据
data = {'耗时_ms': [100, 250, 80, 500]}
df = pd.DataFrame(data)

# 转换为Timedelta
df['耗时_delta'] = pd.to_timedelta(df['耗时_ms'], unit='ms')

# 生成非等间隔时间序列
start = pd.to_datetime('2024-05-20 10:00:00')
df['时间点'] = start + df['耗时_delta'].cumsum()

print(df)

输出结果：

耗时_ms 耗时_delta                时间点
0     100 00:00:00.100 2024-05-20 10:00:00.100
1     250 00:00:00.250 2024-05-20 10:00:00.350
2      80 00:00:00.080 2024-05-20 10:00:00.430
3     500 00:00:00.500 2024-05-20 10:00:00.930

可以看到，生成的时间点完全是非等间隔的，和你的耗时数据一一对应。

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