嘿，较大家良好！今天咱们来聊聊 Pandas 里边那一些个时间段间隔的东西。时常遇到这种情况：表格里有“时较长”之类的列，格式是“几天 较小时 分钟”，想把这一些时较长都算成较小时数。这事儿挺常见的，但很更多人一启动就搞不明白，写出来的代码乱七八糟的。

啥是timedelta啊？

出岔子。 先来看得了解，Pandas 的 `timedelta` 就是用来表示两个时间段点之间距离的。比如 “2 days 22:43:00” 就是一个 `timedelta` 对象，表示两天二十二较小时四十三分钟。

为哪些直接用 `datetime.strptime` 会出问题？

累并充实着。 我跟你说啊， 良好更多人一看到这种格式的时间段字符串，就想用 `datetime.strptime` 来解析。但是！注意了！Pandas 的当前这个时间段间隔列啊， 它不是直接存储的是日期时间段点，而是存储的是 `timedelta` 的字符串表示！所以直接用 `datetime.strptime` 去解析它会出错误 – `TypeError: strptime argument 1 must be str, not Timedelta` 。 听起来挺吓人的吧？别担心，我告诉你怎么搞定。

正确的做法：用 Pandas 自带的工具

其实 Pandas 本身就有一个非常棒的工具能够处理 `timedelta` 了：就是 `_timedelta` 。当前这个东西特别靠谱，能自动识别各种 `timedelta` 字符串，而且它还能处理缺失值。简直太方便了，从一个旁观者的角度看...！

一步一步操作：超简洁！

1. 第一步：可靠地转换成 timedelta 类型

ser = _timedelta

你看当前这个代码是不是特别简洁？ 我们用 `_timedelta` 函数把你的“时较长”列转换成 Pandas 的 `timedelta` 对象序列。 踩个点。 这里的 `mainData_Frame` 就是你的那一列数据名字。

2. 第二步：计算总较小时数

timeData = _seconds / 3600  # 或采用 .div

接下来呢，咱们要把它转换成较小时数。咱们先用 `.total_seconds` 获取整个时间段间隔的总秒数 ， 然后除以 3600 ，就能够得到总的较小时数啦! 你也能够直接用 `.div` 来代替上面的写法。 感觉有点繁杂？没关系呀！后面会更详细地讲，说句可能得罪人的话...。

例子：看看效果

import pandas as pd
import numpy as np #引入numpy库
# 创建一个示例 DataFrame 
data = {'Clearance Time': } #添加了缺失值np.nan测试情况! 注意！！！很十分沉关键！！！！！} #添加了缺失值np.nan测试情况! 注意！！！很十分沉关键！！！！！} #添加了缺失值np.nan测试情况! 注意！！！很十分沉关键！！！！！} #添加了缺失值np.nan测试情况! 注意！！！很十分沉关键！！！！！} #添加了缺失值np.nan测试情况! 注意！！！很十分沉关键！！！！！} #添加了缺失值np.nan测试情况! 注意！！！很十分沉关键！！！！！} #添加了缺失值np.nan测试情况! 注意！！！很十分沉关键！！！！！} } # 添加一个 NaN 值进行测试
mainData_Frame = pd.DataFrame
# 采用 _timedelta 进行转换并计算较小时数
ser = _timedelta
timeData = ser.total_seconds / 3600
print
# 输出最终还是结果是 :   
阐述一下最终还是结果是
 
这段代码输出的最终还是结果是是一个崭新的 Series 。 你能够看到每一行对应的时间段间隔都变成了对应的总较小时数。
⚠️ 十分沉关键提示和注意事项

    
处理缺失值： 如果你的数据里有空缺，那么在转换之前一定要先处理掉它们。你能够用  `mainData_Frame.fillna)`  把空缺替换成零时较长。
或者采用 dropna 方法删除包含 NaN 的行
数据格式一致性：尽量保证全部时间段间隔的格式是一致的。如果格式不一致，有可能会引起转换失利。
性能考虑：如果你的数据量很较大很较大的很较大的很较大很...较大…较大…较大...较大...较大…较大…较大...较大...较大……那么能够采用 NumPy 的向量化操作来提升效率。
 
怎么样？是不是很简洁呢？ 用 Pandas 自带的 `_timedelta` 函数就能轻巧松地把时间段间隔列转换成总较小时数啦！ 行吧... 以后再遇到类似的问题就不用手忙脚乱了。
进阶技巧
 
觉得这篇教程对你有协助吗？ 请点赞分享给你的朋友们吧！