如何使用正则表达式转换 Pandas 中的转换列

Posted 2023-02-23

【中文标题】如何使用正则表达式转换 Pandas 中的转换列

【英文标题】：How can I convert transform column in Pandas using regex

【发布时间】：2021-09-07 15:57:38

【问题描述】：

我有一个像这样的time column：

df = pd.DataFrame('time': 0: '1 h 50 min', 1: '50 min', 2: '2 h 3 min', 3: '3 min')

        time
0  1 h 50 min
1      50 min
2   2 h 3 min
3       3 min

我想要几秒钟内的信息，例如：

time
6600
3000
7380
180

我试图使用regex 和eval 来评估时间（以秒为单位），但没有成功，实现这一目标的最佳方法是什么？

【参考方案1】：

先用regex得到小时和分钟，然后将两者转换为分钟并计算总和，最后将结果乘以60得到秒。

df['time'].str.findall('(\d+)\s*(h|min)').apply(lambda x: sum(int(t)*60 if u=='h' else int(t) for t,u in x))*60

输出：

0    6600
1    3000
2    7380
3     180
Name: time, dtype: int64

如果你愿意，你可以有单独的小时和分钟列：

out = df.assign(hours=df['time'].str.extract('(\d+)\s*h'),
          minutes=df['time'].str.extract('(\d+)\s*min')).fillna(0)

         time hours minutes
0  1 h 50 min     1      50
1      50 min     0      50
2   2 h 3 min     2       3
3       3 min     0       3

现在，您可以将它们转换为整数并获取秒数：

out['hours'].astype(int)*3600+out['minutes'].astype(int)*60

0    6600
1    3000
2    7380
3     180
dtype: int32

【参考方案2】：

pd.TimedeltaIndex 理解许多字符串形式的持续时间，因此您可以直接将您的列传递给它。它也有total_seconds 方法，所以：

>>> df["seconds"] = pd.TimedeltaIndex(df.time).total_seconds()
>>> df

         time  seconds
0  1 h 50 min   6600.0
1      50 min   3000.0
2   2 h 3 min   7380.0
3       3 min    180.0