在Pandas中统计连续时间戳内站点的出现次数及起止时间

这需求太常见了，用Pandas几步就能搞定，我给你写个完整的实现，连细节都给你考虑到了：

步骤说明 #

首先得确保时间列是可计算的datetime类型，然后按站点分组，识别连续的小时段，最后聚合统计就行。

完整代码实现 #

import pandas as pd

# 先构造你的示例数据（实际替换成你自己的DataFrame即可）
data = {
    'Hour': [
        '01/08/2020 00:00', '01/08/2020 00:00', '01/08/2020 00:00', '01/08/2020 00:00',
        '01/08/2020 01:00', '01/08/2020 01:00', '01/08/2020 01:00', '01/08/2020 01:00',
        '01/08/2020 02:00', '01/08/2020 02:00',
        '01/08/2020 03:00', '01/08/2020 03:00',
        '01/08/2020 23:00',
        '02/08/2020 00:00'
    ],
    'Site': ['A', 'B', 'C', 'D', 'A', 'B', 'E', 'F', 'A', 'E', 'C', 'G', 'G', 'G']
}
df = pd.DataFrame(data)

# 1. 把Hour列转成datetime类型，这是后续时间计算的核心基础
df['Hour'] = pd.to_datetime(df['Hour'], format='%d/%m/%Y %H:%M')

# 2. 按Site分组并排序，确保每个站点的时间是按顺序排列的（避免原数据乱序影响判断）
df_sorted = df.sort_values(['Site', 'Hour']).reset_index(drop=True)

# 3. 识别连续的小时段：计算相邻时间差，非1小时则标记为新时段，再给每个连续段分配唯一ID
df_sorted['time_diff'] = df_sorted.groupby('Site')['Hour'].diff()
df_sorted['is_new_period'] = df_sorted['time_diff'] != pd.Timedelta(hours=1)
df_sorted['period_id'] = df_sorted.groupby('Site')['is_new_period'].cumsum()

# 4. 聚合统计每个站点的每个连续时段
result = df_sorted.groupby(['Site', 'period_id']).agg(
    count=('Hour', 'nunique'),  # 统计连续出现的小时数（若单小时内站点重复，换成count即可）
    period_start=('Hour', 'min'),
    period_end=('Hour', 'max')
).reset_index(drop=True)

# 可选：把时间转回你需要的字符串格式
result['period_start'] = result['period_start'].dt.strftime('%d/%m/%Y %H:%M')
result['period_end'] = result['period_end'].dt.strftime('%d/%m/%Y %H:%M')

# 调整列顺序，匹配你需要的输出格式
result = result[['period_start', 'Site', 'count', 'period_end']]
print(result)

代码细节解释 #

• 时间类型转换：必须把字符串转成datetime，不然没法计算时间差和排序；
• 分组排序：确保每个站点的时间是按顺序排列的，避免原数据乱序导致连续判断出错；
• 连续时段识别：用diff()计算相邻时间差，只要不是1小时就判定为新时段，再用cumsum()给每个连续段分配唯一ID；
• 聚合统计：按站点和时段ID分组，统计出现次数（nunique适用于单小时单站点仅出现一次的场景，若有重复则用count），同时取时段的最早和最晚时间。

输出示例 #

运行后你会得到类似这样的结果：

period_start Site  count       period_end
0  01/08/2020 00:00    A      3  01/08/2020 02:00
1  01/08/2020 00:00    B      2  01/08/2020 01:00
2  01/08/2020 00:00    C      1  01/08/2020 00:00
3  01/08/2020 03:00    C      1  01/08/2020 03:00
4  01/08/2020 00:00    D      1  01/08/2020 00:00
5  01/08/2020 01:00    E      2  01/08/2020 02:00
6  01/08/2020 01:00    F      1  01/08/2020 01:00
7  01/08/2020 03:00    G      2  02/08/2020 00:00

完全匹配你要的统计需求，要是你的数据有特殊情况（比如单小时内站点重复），只需要调整聚合时的统计方法就行，灵活得很。

内容的提问来源于stack exchange，提问作者xubaer