Pandas非重叠时间序列调整算法实现求助

我有一个包含start_datetime和end_datetime关键列的Pandas DataFrame，需实现如下逻辑：逐行与下一行比较，若当前行end_datetime晚于下一行start_datetime，则将下一行移至DataFrame末尾，重复操作直至形成无重叠的时间块，被移走的行作为新块的起始。我尝试用for循环解决，但受索引动态变化的问题困扰未完成，想知道是否有Pandas内置解决方案。

解决方案：无直接内置方法，但可用队列高效实现 #

Pandas没有直接对应此逻辑的内置函数，但可以用**队列（deque）**规避索引问题，比纯for循环更易维护且高效。核心思路是将行数据放入队列，逐个取出验证是否与当前块最后一行重叠：不重叠则加入当前块，重叠则放回队列尾部，直到队列清空，最终得到多个无重叠时间块。

代码实现 #

import pandas as pd
from collections import deque

def rearrange_time_blocks(df):
    # 复制原数据避免修改源DataFrame，重置索引消除原索引干扰
    df_copy = df.copy().reset_index(drop=True)
    # 将行数据转为字典列表存入队列
    queue = deque(df_copy.to_dict('records'))
    result_blocks = []
    
    while queue:
        # 初始化新的时间块
        current_block = [queue.popleft()]
        # 扩展当前块直到无法加入无重叠行
        while queue:
            next_row = queue[0]
            # 检查当前块最后一行的结束时间是否早于下一行的开始时间
            if current_block[-1]['end_datetime'] <= next_row['start_datetime']:
                current_block.append(queue.popleft())
            else:
                # 重叠则将该行移至队列尾部
                queue.append(queue.popleft())
        # 将当前块转为DataFrame加入结果列表
        result_blocks.append(pd.DataFrame(current_block))
    
    return result_blocks

示例验证 #

输入示例

data = {
    'start_datetime': pd.to_datetime(['2024-01-01 08:00', '2024-01-01 09:30', '2024-01-01 08:30', '2024-01-01 10:00']),
    'end_datetime': pd.to_datetime(['2024-01-01 09:00', '2024-01-01 10:30', '2024-01-01 09:30', '2024-01-01 11:00'])
}
df = pd.DataFrame(data)

输出结果

函数返回两个无重叠的DataFrame块：

• 块1：

• 块2：

为什么不用纯for循环？ #

纯for循环会因行移动导致索引动态变化，需要手动维护索引逻辑，极易出错；而队列的popleft()和append()操作可自然处理行的转移，无需关注索引，代码简洁且逻辑清晰。

性能说明 #

队列实现的时间复杂度为O(n)（每行最多被取出和放回一次），远优于嵌套for循环的O(n²)，适合处理较大规模的DataFrame。

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