如何正确转换DataFrame？基于ST、ED列拆分合并TYPE字段

需求说明 #

需要将输入的DataFrame按ST、ED列拆分时间区间，合并重叠/相邻区间后，把对应区间内的TYPE用逗号拼接，得到指定格式的输出DataFrame。

输入DataFrame #

输出DataFrame #

转换逻辑分析 #

转换后各区间对应的TYPE数量分别为1、3、2、1，对应原数据的时间区间拆分逻辑如下：

• 原数据A的区间201501-201503拆分为201501-201501、201502-201503
• 原数据B的区间201502-201504拆分为201502-201503、201504-201504
• 原数据C的区间201502-201505拆分为201502-201503、201504-201504、201505-201505

将这些拆分后的区间合并为不重叠的连续区间，再把每个合并后区间内的所有TYPE拼接，就得到最终输出。

代码实现 #

import pandas as pd

# 构建输入DataFrame
df = pd.DataFrame({
    'ST': ['201501', '201502', '201502'],
    'ED': ['201503', '201504', '201505'],
    'TYPE': ['A', 'B', 'C']
})

# 将时间列转为整数，方便区间判断
df['ST'] = df['ST'].astype(int)
df['ED'] = df['ED'].astype(int)

# 提取所有关键时间点并排序
time_points = sorted(set(df['ST'].tolist() + df['ED'].tolist()))

# 生成所有需要判断的独立区间段
intervals = []
for i in range(len(time_points)-1):
    start = time_points[i]
    end = time_points[i+1]
    intervals.append((start, start))
    # 处理中间间隔的区间（如果有的话）
    if start + 1 <= end - 1:
        intervals.append((start+1, end-1))
    intervals.append((end, end))
# 去重并重新排序区间
intervals = sorted(list(set(intervals)))

# 匹配每个区间对应的TYPE
result = []
for st, ed in intervals:
    # 筛选出与当前区间有重叠的原数据行
    match_mask = (df['ST'] <= ed) & (df['ED'] >= st)
    matched_types = ','.join(df.loc[match_mask, 'TYPE'].tolist())
    if matched_types:
        result.append({
            'ST': str(st),
            'ED': str(ed),
            'TYPE': matched_types
        })

# 转换为DataFrame并整理格式
result_df = pd.DataFrame(result).drop_duplicates().reset_index(drop=True)
# 按照输出要求的顺序筛选行
final_df = result_df[result_df['ST'].isin(['201501','201502','201504','201505'])].reset_index(drop=True)
print(final_df)

内容的提问来源于stack exchange，提问作者0in