如何计算DataFrame各列中唯一值的累计持续时长？

你的初始思路方向是对的，但手动存列表的方式不够高效，且难以关联唯一值和对应时长。推荐用pandas的分组+连续段标记的方法来实现，以下是完整解决方案：

步骤说明 #

核心思路是先给每个连续相同值的片段打唯一标签，再按标签计算单段时长，最后汇总同一值的所有段时长总和。

1. 构造示例数据 #

import pandas as pd

data = {
    'Time': [1.1, 2.2, 3.4, 4.5, 5.6, 6.2, 7.4, 8.5, 9.8, 10.1, 11.2],
    'colA': [2, 2, 3, 3, 4, 4, 4, 2, 2, 2, 2],
    'colB': [2, 2, 5, 5, 5, 6, 6, 6, 5, 5, 5]
}
df = pd.DataFrame(data)

2. 定义计算单列时长的函数 #

def calculate_col_duration(col_name, df):
    # 生成连续段标签：值发生变化时标签+1，同一连续值共享同一标签
    df['segment_tag'] = df[col_name].ne(df[col_name].shift()).cumsum()
    # 按「列值+连续段标签」分组，计算单段时长（段末时间 - 段初时间）
    segment_durations = df.groupby([col_name, 'segment_tag'])['Time'].agg(
        lambda x: x.iloc[-1] - x.iloc[0]
    )
    # 按列值汇总所有连续段的时长总和
    total_durations = segment_durations.groupby(level=0).sum().reset_index()
    # 整理列格式，添加列名和单位
    total_durations.columns = ['unique_value', 'Duration']
    total_durations['Col_name'] = col_name
    total_durations['Duration'] = total_durations['Duration'].round(1).astype(str) + 's'
    # 调整列顺序
    return total_durations[['Col_name', 'unique_value', 'Duration']]

3. 遍历所有目标列，合并结果并导出CSV #

# 初始化结果DataFrame
final_result = pd.DataFrame()

# 遍历需要计算的列（排除Time列）
for col in ['colA', 'colB']:
    col_result = calculate_col_duration(col, df.copy())  # 用copy避免修改原DataFrame
    final_result = pd.concat([final_result, col_result], ignore_index=True)

# 打印结果
print(final_result)
# 导出为CSV
final_result.to_csv('duration_report.csv', index=False)

结果验证 #

运行后得到的结果与你期望的完全一致：

Col_name  unique_value Duration
0     colA             2     3.8s
1     colA             3     1.1s
2     colA             4     1.8s
3     colB             2     1.1s
4     colB             5     3.6s
5     colB             6     2.3s

对你现有逻辑的评估 #

你第一步用df["answer"] = df['colA'].diff().eq(0)识别连续相同值的思路是正确的，但后续手动存列表的方式会增加代码复杂度，且难以批量处理多列。用ne(df[col_name].shift()).cumsum()生成连续段标签的方式，能直接和pandas的groupby功能结合，更简洁地关联唯一值与对应时长，同时支持批量处理所有目标列。

内容的提问来源于stack exchange，提问作者zeke wonder