Python 如何使用TimeDelta和NaN读取csv？

我正在尝试读取如下所示的csv文件：

              col 1             col 2             col 3      ...     col N
0        0 days 00:00:16   0 days 00:00:07   0 days 00:01:02          NaN
.
.
.
15000    0 days 01:40:00         NaN               NaN       ...      NaN

我所尝试的：

df = pd.read_csv('file.csv', sep=',', index_col=0, dtype=object)
df = df.applymap(lambda x: pd.to_timedelta(x))

---

但由于我有很多列和行，所以速度有点慢。有没有更合适的方法

timedelta对象不受

read\u csv

中的

parse\u dates

或

dtype

参数的支持。这里有两种选择

使用
pd.to\u timedelta应用
或者


pd.read\u csv
带
转换器=
参数
另一个选项是在加载时传递
转换器
参数：

f = {i : pd.to_timedelta for i in range(N)}  # you can access columns by index
df = pd.read_csv('file.csv', sep=',', index_col=0, converters=f)

在pandas.read\u csv中解析日期第一个解决方案非常好。我也喜欢第二行，但是，先验地，我不知道N的值。@JordiSalinasSanMartíN啊，你可以通过阅读第一行并计算逗号的数量，或者沿着这些行来绕过它。。。但是，这比它的价值更麻烦，所以如果第一种方法有效，你有我的许可使用它！
for c in df.columns:
    df[c] = pd.to_timedelta(df[c], errors='coerce')

f = {i : pd.to_timedelta for i in range(N)}  # you can access columns by index
df = pd.read_csv('file.csv', sep=',', index_col=0, converters=f)