如何使用Python Pandas将带冒号的时长字符串转换为整数/浮点数/时间类型？

嗨，我之前也踩过一模一样的坑！你直接用astype(int)失败太正常了——这些字符串里有冒号，不是纯数字格式，Pandas根本没法直接解析。下面根据你不同的需求，给你几种实用的解决方案：

一、转成总秒数（整数类型） #

如果你需要把时长转换成总秒数（比如"20:10"变成1210），有两种简单方法：

• 方法1：拆分字符串手动计算

test_df['Time_of_possession_sec'] = test_df['Time_of_possession'].apply(
    lambda x: int(x.split(':')[0]) * 60 + int(x.split(':')[1])
)

思路超直观：用split(':')把"20:10"拆成['20', '10']，分别转成整数后，分钟数乘60加上秒数，就得到了纯整数的总秒数。

• 方法2：用Pandas内置函数更简洁

test_df['Time_of_possession_sec'] = pd.to_timedelta(test_df['Time_of_possession']).dt.total_seconds().astype(int)

pd.to_timedelta能自动识别"MM:SS"这种时长格式，先转成Pandas的Timedelta类型，再用dt.total_seconds()提取总秒数，最后转成整数即可。

二、转成总分钟数（浮点数类型） #

如果需要把时长转换成以分钟为单位的浮点数（比如"20:10"≈20.17），可以这么做：

# 方法1：拆分计算
test_df['Time_of_possession_min'] = test_df['Time_of_possession'].apply(
    lambda x: int(x.split(':')[0]) + int(x.split(':')[1]) / 60
)

# 方法2：用Timedelta转换更高效
test_df['Time_of_possession_min'] = pd.to_timedelta(test_df['Time_of_possession']).dt.total_seconds() / 60

两种方法都是把秒数转换成分钟的小数部分，加上原有的分钟数，得到浮点数结果，特别适合做数值统计或者可视化分析。

三、转成时间差类型（Timedelta） #

如果你之后要对时长做时间相关的运算（比如求和、比较大小、加减操作），直接转成Pandas的Timedelta类型是最优选择：

test_df['Time_of_possession_delta'] = pd.to_timedelta(test_df['Time_of_possession'])

转成Timedelta后，你可以直接执行这些实用操作：

# 计算所有记录的总控球时长
total_possession = test_df['Time_of_possession_delta'].sum()
# 筛选控球时长超过15分钟的记录
long_possession = test_df[test_df['Time_of_possession_delta'] > pd.to_timedelta('15:00')]

这种类型保留了时间的语义，做时间运算会灵活很多。

备注：内容来源于stack exchange，提问作者user14182282