如何合并任意链式重叠的时间范围？

核心处理逻辑 #

要搞定任意形式的重叠（包括直接重叠、链式重叠、包含关系），最直接的方法是先排序再顺序合并：

• 把所有事件按开始时间戳从小到大排序，确保可以按顺序处理每个事件
• 用一个列表存储合并后的结果，遍历每个事件时和列表最后一个合并好的事件对比：
  • 如果当前事件的开始时间在最后一个合并事件的时间范围内（或刚好衔接），就把两个事件合并成一个新事件：开始时间取两者最小值，结束时间取两者最大值
  • 如果完全不重叠，就直接把当前事件加入结果列表

Python代码实现（结合CSV数据） #

假设你的CSV文件包含start_timestamp和end_timestamp两列，代码如下：

import pandas as pd

def merge_overlapping_events(df):
    # 按开始时间排序，这是合并的前提
    sorted_events = df.sort_values('start_timestamp').reset_index(drop=True)
    merged_results = []
    
    for _, event in sorted_events.iterrows():
        curr_start = event['start_timestamp']
        curr_end = event['end_timestamp']
        
        if not merged_results:
            merged_results.append({'start': curr_start, 'end': curr_end})
        else:
            last_merged = merged_results[-1]
            # 判断是否重叠或可以链式合并
            if curr_start <= last_merged['end']:
                # 更新合并事件的结束时间为两者的最大值
                last_merged['end'] = max(last_merged['end'], curr_end)
            else:
                merged_results.append({'start': curr_start, 'end': curr_end})
    
    return pd.DataFrame(merged_results)

# 读取原始CSV数据并执行合并
raw_events = pd.read_csv('events_data.csv')
merged_events = merge_overlapping_events(raw_events)
print(merged_events)

各种场景的处理效果 #

• 多事件直接重叠：排序后第一个事件会和所有后续重叠的事件依次合并，最终生成一个覆盖所有重叠范围的事件
• 链式重叠（事件1→事件2→事件3）：事件1和事件2合并后，新的事件会继续和事件3合并，最终得到一个连续的完整时间范围
• 事件被完全包含：排序后包含性事件的结束时间不会被改变，被包含的事件会直接被合并进去，不会单独保留
• 无重叠事件：这类事件会直接被保留在结果列表中，不会被修改

可视化验证（用Plotly） #

可以用你提供的Plotly函数对比原始事件和合并后的结果，确保合并正确：

import plotly.express as px

def visualize_events(raw_df, merged_df):
    # 给两类事件添加标识
    raw_df['事件类型'] = '原始事件'
    merged_df['事件类型'] = '合并后事件'
    
    # 统一列名并合并数据
    plot_data = pd.concat([
        raw_df.rename(columns={'start_timestamp':'start', 'end_timestamp':'end'}),
        merged_df
    ])
    
    # 生成时间线图
    fig = px.timeline(plot_data, x_start='start', x_end='end', y='事件类型', color='事件类型')
    fig.update_layout(title='原始事件与合并后事件对比')
    fig.show()

# 调用可视化函数
visualize_events(raw_events, merged_events)

内容的提问来源于stack exchange，提问作者Yoda