如何为trips DataFrame的行程时长分组并统计骑行次数

1. 新增行程时长区间列 #

针对你的数据分布（80%骑行集中在0-15分钟，最长达1000分钟），推荐自定义区间来兼顾核心数据的细粒度和长尾数据的合理性。使用pd.cut()可以自动生成区间列，无需手动逐个创建区间标签：

import pandas as pd

# 自定义区间：核心区细粒度划分，长尾区宽区间覆盖
bins = [0, 1, 2, 5, 10, 15, 30, 60, 120, 1000]
# 对应的友好标签（可选，也可以直接使用默认的区间字符串）
labels = ["0-1分钟", "1-2分钟", "2-5分钟", "5-10分钟", "10-15分钟", "15-30分钟", "30-60分钟", "60-120分钟", "120-1000分钟"]

# 复制原DataFrame并新增区间列
trips_with_bins = trips.copy()
trips_with_bins["时长区间"] = pd.cut(
    trips_with_bins["行程时长（分钟）"],
    bins=bins,
    labels=labels,
    include_lowest=True  # 确保0分钟的行程被包含在第一个区间内
)

2. 生成区间与骑行次数总和的汇总表 #

通过groupby按区间分组，聚合计算骑行次数总和即可：

# 按区间分组求和，重置索引将分组列转为普通列
trip_summary = trips_with_bins.groupby("时长区间", observed=False)["骑行次数"].sum().reset_index()

• observed=False：保留所有自定义的区间（即使某个区间没有数据，也会显示为0），如果不需要空区间可以去掉该参数。

额外问题解答 #

不需要手动创建如“0-1”这类区间，Pandas提供了两种自动分组方案，需结合数据分布选择：

1. 自定义区间的自动分组（推荐）：如上面的pd.cut()，你只需定义区间边界，Pandas会自动将数据映射到对应区间，还能自定义标签。这种方式完全适配你的数据分布——核心区间细分、长尾区间放宽，统计结果更有业务价值。
2. 按分位数自动分组：使用pd.qcut()可以根据数据的分位数自动划分区间（比如分成4/5个等数量的区间），但这种方式的区间边界由数据分布决定，可能出现不规整的边界，且无法手动控制核心区间的粒度，适合快速探索数据分布，不适合需要固定区间的业务统计。

示例代码（按分位数自动分组）：

trips_with_qbins = trips.copy()
# 分成5个等数量的区间，precision=0保留整数边界
trips_with_qbins["时长区间"] = pd.qcut(trips_with_qbins["行程时长（分钟）"], q=5, precision=0)

内容的提问来源于stack exchange，提问作者Nadia099