如何将值拆分为列中的 int 和 string 并计算持续时间

Question

在我的 dataframe 中有几列。 其中之一是基于持续时间。 其中一些基于小时，而另一些基于分钟。

喜欢

2.5 hours
1 hours
41 minutes
42 hours
...

栏目信息在这里

content_duration     3683 non-null   object

我想将所有数据转换为分钟值，并且它们的列基于 float 或 int 类型。

我写了一个 function 来执行这个过程，但是将字符串转换为 int 时出现问题。

我该如何解决这个问题？

这是我的代码片段，如下所示。

def convertminutes(column):
    value = column.str.split(' ').str[0].astype(float)
    timetype = column.str.split(' ').str[1]
    for i in range(len(timetype)):
        if timetype[i] == "hours" or timetype[i] == "hour":
            value[i] = value[i] * 60
        else:
            value[i] = value[i]        
    return value 

我在下面显示的代码中调用了 function。

df["content_duration"] = convertminutes(df["content_duration"])

这是屏幕截图

Answer 1

尝试这个：

import pandas as pd

def convert_to_minutes(x):
    return float(x.split()[0]) * 60 if 'hour' in x else float(x.split()[0])

df = pd.DataFrame({'content_duration': ['1 hour', '2.5 hours', '18 minutes','3 hours', '12 hours', '16 minutes', ]})
df['content_duration'] = df['content_duration'].apply(convert_to_minutes)
print(df)

Output：

   content_duration
0              60.0
1             150.0
2              18.0
3             180.0
4             720.0
5              16.0

Answer 2

这是我的尝试：

def convertminutes(column):
    map_dict = {"hours": 60, "hour": 60, "minute": 1, "minutes": 1}
    expanded_df = column.str.split(' ', expand=True)
    expanded_df[1] = copy_df[1].map(map_dict)
    return expanded_df[0].astype(float) * expanded_df[1]

不是最有效的路线，但它有效。