基于现有列创建Pandas新列：标记坐席通话可用性

问题背景 #

现有包含坐席通话数据的Pandas数据框df，包含start_time、end_time两个时间戳列，以及值为NaN的空白列availability，原始数据如下：

start_time             end_time         Availability    
                       
2023-02-07 08:00:11     2023-02-07 08:01:49    NaN   
2023-02-07 08:00:24     2023-02-07 08:02:05    NaN  
2023-02-07 08:01:56     2023-02-07 08:06:28    NaN 
2023-02-07 08:01:42     2023-02-07 08:03:56    NaN
2023-02-07 08:02:03     2023-02-07 08:07:18    NaN  
2023-02-07 08:02:12     2023-02-07 08:03:45    NaN 
2023-02-07 08:03:54     2023-02-07 08:06:21    NaN
2023-02-07 08:04:54     2023-02-07 08:06:08    NaN

需要基于start_time与end_time的对比更新availability列，规则如下：

• 从df['end_time'][0:last_index]与df['start_time'][1:last_index]开始对比，若start_time大于end_time，标记availability为Yes，否则为No；
• 每次迭代仅对比availability为No或NaN的记录，找到第一个符合条件的记录后停止后续对比；
• 迭代逻辑：首次迭代将第一条end_time与后续start_time对比，标记对应记录的availability；第二次迭代排除availability为Yes的记录，继续对比并标记。

实现方案 #

步骤说明 #

1. 确保时间列是datetime类型，避免字符串对比出错；
2. 循环处理未标记（NaN）或标记为No的记录，每次取当前未处理的第一条记录，用其end_time与后续所有未处理记录的start_time对比；
3. 找到第一个满足start_time > end_time的记录，标记其availability为Yes，其余参与对比的未处理记录标记为No；
4. 重复上述步骤直到没有可处理的记录。

代码实现 #

import pandas as pd

# 确保时间列转换为datetime类型
df['start_time'] = pd.to_datetime(df['start_time'])
df['end_time'] = pd.to_datetime(df['end_time'])
df['availability'] = df['availability'].astype('object')  # 适配字符串赋值

while True:
    # 筛选未处理（NaN或No）的记录索引
    unprocessed_idx = df[(df['availability'].isna()) | (df['availability'] == 'No')].index
    if len(unprocessed_idx) <= 1:
        break  # 只剩最后一条或无未处理记录时终止循环
    
    # 取当前未处理的第一条记录
    current_idx = unprocessed_idx[0]
    current_end = df.loc[current_idx, 'end_time']
    
    # 后续未处理的记录索引
    subsequent_idx = unprocessed_idx[1:]
    
    # 查找第一个满足start_time大于当前end_time的记录
    match_mask = df.loc[subsequent_idx, 'start_time'] > current_end
    match_idx = subsequent_idx[match_mask].min() if match_mask.any() else None
    
    if match_idx is not None:
        # 标记匹配记录为Yes
        df.loc[match_idx, 'availability'] = 'Yes'
        # 标记当前记录到匹配记录之间的未处理记录为No
        between_idx = subsequent_idx[subsequent_idx < match_idx]
        df.loc[between_idx, 'availability'] = 'No'
    else:
        # 无匹配记录，标记所有后续未处理为No并终止循环
        df.loc[subsequent_idx, 'availability'] = 'No'
        break

代码解释 #

• 先转换时间列为datetime类型，保证时间对比的准确性；
• 循环中每次筛选未处理记录，若只剩1条则终止循环；
• 取第一条未处理记录的结束时间，与后续未处理记录的开始时间对比；
• 找到第一个符合条件的记录后，标记其为Yes，中间的未处理记录标记为No；
• 若没有找到符合条件的记录，将所有后续未处理记录标记为No并终止循环。

内容的提问来源于stack exchange，提问作者Bits