Pandas自动转换超24小时时间值：Excel转PostgreSQL存储异常

这个问题我之前也踩过坑！Excel里像31:15:45这种超过24小时的“时间”，本质其实是时长，不是普通的时刻。Pandas默认会把它当成datetime类型解析，自动把超过24小时的部分进位成日期，最后存到PostgreSQL的time类型字段时，就会把天数部分直接砍掉，只剩当天的时间（比如31小时就变成7小时）。给你几个靠谱的解决步骤：

1. 读取Excel时强制保留原始字符串 #

直接指定dtype={'时间列': str}有时候不太靠谱，因为Excel本身的单元格格式是时间类型，Pandas会优先按格式解析。这时候用converters参数强制把单元格转成字符串更稳妥：

import pandas as pd

# 用converters给目标列指定转换函数，确保读出来是纯字符串
df = pd.read_excel('你的文件.xlsx', converters={'时间列': lambda x: str(x)})

这样读出来后，31:15:45就会原封不动保留成字符串，不会被转成奇怪的datetime格式。

2. 转成PostgreSQL支持的时长类型 #

PostgreSQL里没有专门的“超24小时时间”类型，但可以用interval类型来存储时长。这个类型完美支持像“31小时15分45秒”这类时长值。

如果你的时间字符串都是HH:MM:SS格式，可以直接把这个字符串传给PostgreSQL（它能直接识别），或者转成更标准的interval格式：

def time_str_to_interval(time_str):
    # 拆分小时、分钟、秒
    hh, mm, ss = time_str.split(':')
    total_hours = int(hh)
    days = total_hours // 24
    remaining_hours = total_hours % 24
    # 返回PostgreSQL能直接解析的interval字符串
    return f"{days} days {remaining_hours} hours {mm} minutes {ss} seconds"

# 生成适配PostgreSQL的interval列
df['时长列'] = df['时间列'].apply(time_str_to_interval)

3. 写入PostgreSQL时指定正确字段类型 #

关键来了！千万别用time类型存这个字段，一定要用interval类型。下面给你两种常用的写入方式示例：

用SQLAlchemy写入（推荐，更简洁） #

from sqlalchemy import create_engine, Interval

# 连接你的PostgreSQL数据库
engine = create_engine('postgresql://用户名:密码@主机地址:端口/数据库名')

# 写入时指定字段类型为Interval
df.to_sql('目标表名', engine, if_exists='replace', dtype={'时长列': Interval()})

用psycopg2写入（更灵活，适合自定义操作） #

import psycopg2

# 建立数据库连接
conn = psycopg2.connect("dbname=你的数据库 user=你的用户名 password=你的密码 host=你的主机")
cur = conn.cursor()

# 先创建表，明确字段类型为interval
cur.execute("""
CREATE TABLE IF NOT EXISTS 目标表名 (
    id SERIAL PRIMARY KEY,
    duration INTERVAL
)
""")

# 批量插入数据
for _, row in df.iterrows():
    cur.execute("INSERT INTO 目标表名 (duration) VALUES (%s)", (row['时长列'],))

# 提交并关闭连接
conn.commit()
cur.close()
conn.close()

4. 如果只想存原始字符串 #

要是你不需要做时长计算，只是想原样保存31:15:45这种字符串，那更简单：把PostgreSQL的字段类型设为varchar或者text，读取Excel时确保是字符串，直接写入就行，不用做任何转换。

重点提醒： #

• 绝对不要用PostgreSQL的time类型存超24小时的时长！time类型的范围是00:00:00到23:59:59，超过的部分会被自动截断，这就是你之前看到31:15:45变成07:15:45的原因（31-24=7）。
• 读取Excel时，converters比dtype更可靠，因为Excel的单元格格式会干扰Pandas的解析逻辑，converters是强制对每个单元格执行转换，不会出错。

内容的提问来源于stack exchange，提问作者user9322003