Python 将ISO 8601数据列转换为秒

我正在尝试将ISO 8601持续时间数据的pandas dataframe列转换为总秒数。持续时间值看起来像

PT7M7S

，这意味着7分7秒。如果我使用类似于

isodate.parse_duration（“PT7M7S”）的东西，那么isodate 0.5.4在解析一个字符串时是有效的。但是，我需要在pandas列上运行相同的命令，不知道如何运行。我尝试了
isodate.parse_duration（df2['duration']）
但它返回了
TypeError:需要字符串

以下代码创建测试数据帧：
这是我尝试过但无效的代码：
理想的输出是让列
duration
包含对应于该行的总秒数。例如，第一行不是
PT7M7S
，而是
427

谢谢你的帮助。谢谢。
您可以用它来解析字符串：

import numpy as np
import pandas as pd

df = pd.DataFrame({'duration': ["PT7M7S", "PT7M14S", "PT6M45S"]})
df[['minutes','seconds']] = df['duration'].str.extract(r'PT(\d+)M(\d+)S', expand=True).astype('int')
df['total_seconds'] = 60*df['minutes'] + df['seconds']

屈服

  duration  minutes  seconds  total_seconds
0   PT7M7S        7        7            427
1  PT7M14S        7       14            434
2  PT6M45S        6       45            405

以下是另一种解决方案：

In [53]: (pd.to_datetime(df['duration'], format='PT%MM%SS', errors='coerce') -
    ...:  pd.to_datetime('1900-01-01')).dt.total_seconds()
    ...:
Out[53]:
0    427.0
1    434.0
2    405.0
Name: duration, dtype: float64

数据：

说明：

In [55]: pd.to_datetime(df['duration'], format='PT%MM%SS', errors='coerce')
Out[55]:
0   1900-01-01 00:07:07
1   1900-01-01 00:07:14
2   1900-01-01 00:06:45
Name: duration, dtype: datetime64[ns]

为什么不在序列上使用
apply
函数
df['duration']
，这会快得多

下面是一个代码示例

In [17]: df['duration'] = df['duration'].apply(isodate.parse_duration)
In [18]: df['duration'] = df['duration']/np.timedelta64(1, 's')
In [19]: df
   duration
0     427.0
1     434.0
2     405.0

注意，这里有一个技巧：用
datetime
或
timedelta
对象除以
np。timedelta64
使用不同的单位，可以得到该对象的单位数

顺便说一下，如果有
NaN
或缺少值，则需要处理它们

另外，对于unutbu的回答，仅当您的数据仅包含
'M'
和
'S'
时才适用。因为可能是
pnnynmnndtnnnmnns

希望这对您有用。
dur=df2['duration'].apply（isodate.parse_duration）
应该可以工作，但是如果您有很多字符串要解析，只解析字符串来提取分和秒组件，然后对这些提取的值执行算术可能会更快谢谢！这确实把它放在了
hh:mm:ss
格式中，而不是总秒数，但我可以处理它。我真的很感谢你的帮助。如果你想提交这个作为一个答案，我可以选择它作为接受的答案。谢谢你的答复。当我在这里提供的小样本数据框上运行它时，它工作得非常好，但出于某种原因，我在大约300行的较大数据集上得到了以下内容
ValueError:无法将浮点NaN转换为整数
，这意味着
df['duration']
中至少有一个字符串与正则表达式模式
PT（\d+）M（\d？）S
不匹配。我们可以找出那些字符串使用的是什么
df.loc[~df['duration'].str.contains（r'PT（\d+M（\d+S'））]
。
In [54]: df
Out[54]:
  duration
0   PT7M7S
1  PT7M14S
2  PT6M45S

In [55]: pd.to_datetime(df['duration'], format='PT%MM%SS', errors='coerce')
Out[55]:
0   1900-01-01 00:07:07
1   1900-01-01 00:07:14
2   1900-01-01 00:06:45
Name: duration, dtype: datetime64[ns]

In [17]: df['duration'] = df['duration'].apply(isodate.parse_duration)
In [18]: df['duration'] = df['duration']/np.timedelta64(1, 's')
In [19]: df
   duration
0     427.0
1     434.0
2     405.0