如何将Pandas DataFrame中的时间格式列转换为分钟/秒数值？

嘿，这个需求在做回归分析时太常见了——得把时分秒的时间格式转成纯数值（分钟/秒数）才能作为自变量使用。我给你分享两种靠谱的方法，第一种是Pandas原生的简便方案，第二种适合格式完全固定时手动计算：

方法一：用pd.to_timedelta()快速转换（推荐） #

Pandas的to_timedelta()函数可以直接把你的时分秒字符串转成时间差类型，之后就能轻松提取总秒数/分钟数，代码简洁还能兼容多种合法时间格式：

import pandas as pd

# 假设你的DataFrame是df，时间列名为'time_duration'
df['time_delta'] = pd.to_timedelta(df['time_duration'])

# 转换为总分钟数
df['total_minutes'] = df['time_delta'].dt.total_seconds() / 60

# 或者直接得到总秒数（适合更精细的分析）
df['total_seconds'] = df['time_delta'].dt.total_seconds()

如果你的数据里有格式错误的异常值，可以加上errors='coerce'参数，把非法值转为NaT（类似NaN的时间类型），方便后续清洗：

df['time_delta'] = pd.to_timedelta(df['time_duration'], errors='coerce')

方法二：手动拆分字符串计算（适合格式绝对固定的场景） #

如果你的时间列格式完全是时:分:秒没有例外，可以直接拆分字符串后手动计算，这种方式更直观：

# 拆分时分秒为三列，转成整数类型
df[['hours', 'minutes', 'seconds']] = df['time_duration'].str.split(':', expand=True).astype(int)

# 计算总分钟数（保留秒数的小数部分）
df['total_minutes'] = df['hours'] * 60 + df['minutes'] + df['seconds'] / 60

# 计算总秒数
df['total_seconds'] = df['hours'] * 3600 + df['minutes'] * 60 + df['seconds']

两种方法都能得到你需要的数值型时长变量，之后就可以直接用这个新列做线性回归分析啦。

内容的提问来源于stack exchange，提问作者Craver2000