将 Pandas .apply() 方法与基于正则表达式的函数一起使用

Question

我正在尝试通过在具有数字作为字符串的列上应用函数来在数据框中创建一个新列。

我已经编写了函数来提取我想要的数字，并在单个字符串输入上对其进行了测试，并且可以确认它可以工作。

SEARCH_PATTERN = r'([0-9]{1,2}) ([0-9]{2}):([0-9]{2}):([0-9]{2})'
def get_total_time_minutes(time_col, pattern=SEARCH_PATTERN):
    """Uses regex to parse time_col which is a string in the format 'd hh:mm:ss' to
    obtain a total time in minutes
    """
    days, hours, minutes, _ = re.match(pattern, time_col).groups()
    total_time_minutes = (int(days)*24 + int(hours))*60 + int(minutes)
    return total_time_minutes

#test that the function works for a single input
text = "2 23:24:46"
print(get_total_time_minutes(text))

输出：4284

#apply the function to the required columns
df['Minutes Available'] = df['Resource available (d hh:mm:ss)'].apply(get_total_time_minutes)

下图是我的数据框列的屏幕截图。 Screenshot of my dataframe 我的数据框的“可用资源 (d hh:mm:ss)”列是 Pandas 类型“o”（字符串，如果我的理解正确的话），并且具有以下格式的数据：“5 08:00:00” .但是，当我在其上调用 apply(get_total_time_minutes) 时，出现以下错误：

TypeError：预期的字符串或类似字节的对象

为了进一步说明，“可用资源”列是一个字符串，表示资源可用的总时间（以天、小时、分钟和秒为单位）。我想将该时间字符串转换为以分钟为单位的总时间，因此 get_total_time_minutes 函数中的正则表达式和算术。 – Sam Ezebunandu 刚刚

Answer 1

这可能有点 hacky，因为它使用 datetime 库来解析日期，然后通过减去默认 epoch 将其转换为 Timedelta：

>>> pd.to_datetime('2 23:48:30', format='%d %H:%M:%S') - pd.to_datetime('0', format='%S')
Out[47]: Timedelta('1 days 23:48:30')

>>> Out[47] / pd.Timedelta('1 minute')
Out[50]: 2868.5

但它确实会告诉您这两天过去了多少分钟以及多少小时。它也是矢量化的，因此您可以将其应用于列并比使用 apply 更快地获取分钟值。