使用Pandas计算各时间点不同事件的订单数量

问题场景 #

现有如下结构的DataFrame，记录了订单在不同时间的事件变化：

time    ID   event 
 -----   --   ----- 
 10:00   A    start 
 10:01   B    start 
 10:02   A    process
 10:03   A    finish 
 10:04   B    process 
 10:05   B    finish 

需求是新增列num_start、num_process、num_finish，统计每行对应时间点下，处于各事件状态的订单数量（订单无新事件记录时保持当前状态），预期输出如下：

time    ID   event    num_start  num_process  num_finish
 -----   --   -----    ---------  -----------  ----------
 10:00   A    start    1          0            0          
 10:01   B    start    2          0            0
 10:02   A    process  1          1            0
 10:03   A    finish   1          0            1
 10:04   B    process  0          1            1
 10:05   B    finish   0          0            2  

解决方案（Pandas实现） #

import pandas as pd

# 构造输入数据（实际使用时替换为你的DataFrame）
df = pd.DataFrame({
    'time': ['10:00', '10:01', '10:02', '10:03', '10:04', '10:05'],
    'ID': ['A', 'B', 'A', 'A', 'B', 'B'],
    'event': ['start', 'start', 'process', 'finish', 'process', 'finish']
})

# 提取所有唯一时间点和订单ID
unique_times = df['time'].unique()
unique_ids = df['ID'].unique()

# 生成每个订单在所有时间点的状态记录
status_df = pd.DataFrame()
for order_id in unique_ids:
    # 获取当前订单的事件并按时间排序
    order_events = df[df['ID'] == order_id].sort_values('time').set_index('time')['event']
    # 填充所有时间点的状态（无新事件时沿用前序状态）
    order_status = order_events.reindex(unique_times).ffill()
    # 转换为DataFrame并添加订单ID列
    order_status_df = order_status.reset_index(name='current_event')
    order_status_df['ID'] = order_id
    status_df = pd.concat([status_df, order_status_df], ignore_index=True)

# 按时间统计各状态的订单数量
status_counts = status_df.groupby('time')['current_event'].value_counts().unstack(fill_value=0)
status_counts = status_counts.add_prefix('num_').reset_index()

# 合并统计结果到原DataFrame
result = pd.merge(df, status_counts, on='time', how='left')
# 调整列顺序匹配预期输出
result = result[['time', 'ID', 'event', 'num_start', 'num_process', 'num_finish']]

print(result)

逻辑说明 #

1. 状态填充：对每个订单，提取其所有事件记录并按时间排序，通过reindex覆盖所有时间点，再用ffill()（前向填充）补全无事件时间点的状态，确保每个订单在所有时间点都有状态记录。
2. 统计计数：按时间分组，对每个时间点的所有订单状态进行计数，得到各状态的订单数量。
3. 合并结果：将统计得到的各状态数量与原DataFrame按时间合并，得到每行对应的状态计数。

内容的提问来源于stack exchange，提问作者Jan T.