如何用Python Pandas计算IGN从开启到关闭的时长

给定包含IGN（状态：On/Off）和Time（时间戳）列的Pandas DataFrame，需要计算每个连续"On"周期的持续时长——即从周期内第一个"On"的时间到紧接着该周期的第一个"Off"的时间的差值。

初始化代码如下：

import pandas as pd
data = {'IGN': ['On', 'On', 'On', 'On', 'On', 'On', 'Off', 'Off', 'Off', 'On', 'Off', 'On', 'On', 'On', 'On', 'On', 'On', 'On', 'Off'], 'Time': ['08-06-2023 10:05:56 AM', '08-06-2023 10:06:49 AM', '08-06-2023 10:06:52 AM', '08-06-2023 10:07:08 AM', '08-06-2023 10:07:16 AM', '08-06-2023 10:07:19 AM', '08-06-2023 10:07:33 AM', '08-06-2023 10:07:56 AM', '08-06-2023 10:12:33 AM', '08-06-2023 10:13:55 AM', '08-06-2023 10:13:56 AM', '08-06-2023 10:14:07 AM', '08-06-2023 10:14:10 AM', '08-06-2023 10:14:13 AM', '08-06-2023 10:14:23 AM', '08-06-2023 10:14:31 AM', '08-06-2023 10:14:34 AM', '08-06-2023 10:14:37 AM', '08-06-2023 10:14:40 AM']}
df = pd.DataFrame(data)
df['Time'] = pd.to_datetime(df['Time'])

预期输出：

0   0 days 00:01:37
1   0 days 00:00:01
2   0 days 00:00:33
dtype: timedelta64[ns]

实现步骤 #

• 标记连续状态分组：通过比较当前行与上一行的IGN状态，生成连续相同状态的分组ID。
• 聚合分组信息：按分组ID聚合，提取每个分组的状态和第一个时间戳。
• 配对On/Off组计算时长：将所有"On"分组与紧随其后的"Off"分组配对，计算时间差。

完整代码 #

# 1. 生成连续状态分组ID
df['group'] = df['IGN'].ne(df['IGN'].shift()).cumsum()

# 2. 聚合每个分组的状态和首个时间
group_summary = df.groupby('group').agg(
    status=('IGN', 'first'),
    first_time=('Time', 'first')
).reset_index()

# 3. 提取On分组和对应的Off分组时间，计算时长
on_groups = group_summary[group_summary['status'] == 'On']['first_time'].reset_index(drop=True)
off_groups = group_summary[group_summary['status'] == 'Off']['first_time'].reset_index(drop=True)

durations = off_groups - on_groups
print(durations)

代码说明 #

• df['IGN'].ne(df['IGN'].shift()).cumsum()：通过判断当前行与上一行状态是否不同，生成递增的分组ID，确保连续相同状态的行属于同一分组。
• 聚合操作提取每个分组的首个时间戳，因为我们只需要每个"On"周期的起始时间和对应"Off"周期的起始时间。
• 最后将On分组和Off分组的时间一一对应相减，得到每个"On"周期的持续时长。

内容的提问来源于stack exchange，提问作者appu