如何在Pandas DataFrame中按工单时长区间分组分类

一、完整实现步骤 #

1. 确保创建时间列是datetime类型 #

首先要将Created Time列转换为Pandas的datetime格式，这是后续计算时间差的基础，也是避免类型错误的关键：

import pandas as pd

# 转换列类型，errors='coerce'将无效时间转为NaT（缺失时间值）
df['Created Time'] = pd.to_datetime(df['Created Time'], errors='coerce')

2. 计算工单年龄（天数） #

以当前时间为基准，计算工单从创建到现在的天数差：

# 计算时间差
df['Time Delta'] = pd.Timestamp.now() - df['Created Time']
# 转换为天数（整数）
df['Age Days'] = df['Time Delta'].dt.days

如果需要以特定时间（而非当前时间）为基准，替换pd.Timestamp.now()为目标时间即可，比如pd.to_datetime('2024-06-01')。

3. 按区间分类工单年龄 #

有两种常用方法实现分类：

方法1：使用pd.cut（高效批量处理）

定义区间边界和对应标签，直接批量生成分类：

# 定义区间边界（左闭右开，对应标签范围）
bins = [0, 16, 31, 91, 181, 366, float('inf')]
# 定义对应标签
labels = ['1-15 Days', '16-30 Days', '1-3 Months', '3-6 Months', '6 Months-1Yr', 'More than 1Yr']

# 生成分类列
df['Ticket Age Category'] = pd.cut(
    df['Age Days'],
    bins=bins,
    labels=labels,
    right=False,  # 设置左闭右开，确保区间匹配标签
    include_lowest=True
)

方法2：自定义函数+apply（灵活处理特殊情况）

如果需要更精细的逻辑控制，比如处理缺失值或特殊天数，可使用自定义函数：

def categorize_ticket_age(days):
    if pd.isna(days):
        return 'Invalid Created Time'
    elif 1 <= days <= 15:
        return '1-15 Days'
    elif 16 <= days <= 30:
        return '16-30 Days'
    elif 31 <= days <= 90:
        return '1-3 Months'
    elif 91 <= days <= 180:
        return '3-6 Months'
    elif 181 <= days <= 365:
        return '6 Months-1Yr'
    else:
        return 'More than 1Yr'

# 应用函数生成分类列
df['Ticket Age Category'] = df['Age Days'].apply(categorize_ticket_age)

二、常见报错及解决方案 #

1. TypeError: unsupported operand type(s) for -: 'Timestamp' and 'str' #

• 原因：Created Time列是字符串类型，无法和Timestamp做减法运算。
• 解决方案：执行步骤1中的pd.to_datetime转换，确保列类型为datetime。

2. ValueError: bins must increase monotonically #

• 原因：定义的bins列表不是从小到大递增的顺序。
• 解决方案：检查bins的数值顺序，确保从最小到最大排列，比如[0,16,31,...]而非[16,0,...]。

3. SettingWithCopyWarning: A value is trying to be set on a copy of a slice from a DataFrame #

• 原因：当前操作的DataFrame是原DataFrame的切片副本，直接赋值会触发警告。
• 解决方案：在操作前创建DataFrame的副本：

df = df.copy()

或者使用.loc进行赋值：

df.loc[:, 'Ticket Age Category'] = pd.cut(...)

4. NaN/NaT导致分类结果缺失 #

• 原因：Created Time存在无效时间（转为NaT），计算出的Age Days为NaN，无法参与分类。
• 解决方案：
  • 过滤无效行：df = df.dropna(subset=['Created Time'])
  • 为缺失值指定专属标签：如方法2中返回'Invalid Created Time'

内容的提问来源于stack exchange，提问作者balaji