如何解析日语“30小时”格式的时间进行数据分析？

Question

我正在考虑一个涉及日本电视广播信息的数据分析项目。相关数据将包括播出时间，其中一些是深夜播出的节目。

日本深夜电视节目表遵循一种非标准时间格式，称为“30 小时制”（简短的英文解释此处）。大多数时间均以正常的日本标准时间给出，格式为 %H:%M。然而，从午夜到早上 6 点的时间被视为前一天的延长，并进行相应编号，其逻辑是人们熬夜的经历就是这样。例如《超时空要塞Frontier》在关西凌晨1点25分播出，但写的是25点25分。

我想在 Pandas 或 Polars DataFrame 中使用这些数据。理论上，它可以保留为字符串，但将其转换为日期时间的标准格式会更有用 - 无论是 Python 的内置类型，还是 NumPy 或 Polars 中使用的类型。一种简单的方法可能是：

from datetime import date, time, datetime
from zoneinfo import ZoneInfo

def process_30hour(d: date, t: str):
    h, m = [int(n) for n in t.split(':')] # assumes format 'HH:MM' for t
    if h > 23:
        h -= 24
        d += 1
    return datetime.combine(d, time(h, m), ZoneInfo('Japan'))

然后可以使用 

DataFrame.apply()

将其应用于整个 DataFrame。然而，可能有一种更高效的方法，特别是考虑到 DataFrame 的矢量化特性——如果有替代方案，两个库都建议避免

DataFrame.apply()

。

Answer 1

timedelta

:

from datetime import date, time, datetime, timedelta
from zoneinfo import ZoneInfo

def process_30hour(d: date, t: str):
    h, m = map(int, t.split(':')) # assumes format 'HH:MM' for t
    t = timedelta(hours=h, minutes=m)
    return datetime.combine(d, time(), ZoneInfo('Japan')) + t

process_30hour(date(2024, 12, 20), '25:25')

输出：

datetime.datetime(2024, 12, 21, 1, 25, tzinfo=zoneinfo.ZoneInfo(key='Japan'))

相同的逻辑可以用于 pandas：

df = pd.DataFrame({'date': ['2024-12-20 20:25', '2024-12-20 25:25']})

# split string
tmp = df['date'].str.split(expand=True)

# convert to datetime/timedelta, combine
df['datetime'] = pd.to_datetime(tmp[0]) + pd.to_timedelta(tmp[1]+':00')

输出：

               date            datetime
0  2024-12-20 20:25 2024-12-20 20:25:00
1  2024-12-20 25:25 2024-12-21 01:25:00