如何统计Event1前后10秒内各类Event2的发生次数？

问题描述 #

需要统计每个Event1发生前后10秒内，不同类型Event2的发生次数。数据存储在DataFrame中，包含字段：Subject、Session、Event1Count、Event1Timestamp、Event2Label、Event2Timestamp，其中Event1和Event2记录混存（一条记录要么是Event1，要么是Event2）。目标输出每个Event1对应的Pre-Event1 TypeX（Event1发生前10秒内TypeX的数量）和Post-Event1 TypeX（Event1发生后10秒内TypeX的数量）。

示例输入数据 #

目标输出 #

解决方案 #

核心思路是拆分Event1和Event2数据集，按Subject+Session分组后，为每个Event1匹配同组内的Event2，再根据时间窗口统计数量。

步骤1：拆分并预处理数据集 #

将原DataFrame拆分为Event1和Event2两个独立数据集，同时统一Event2的标签格式（避免空格导致统计错误）：

import pandas as pd

# 假设原数据存储在df中
# df = pd.read_csv("your_data_source.csv")

# 拆分Event1数据集：保留含Event1Count的记录
event1_df = df.dropna(subset=["Event1Count"]).reset_index(drop=True)
event1_df = event1_df[["Subject", "Session", "Event1Count", "Event1Timestamp"]]

# 拆分Event2数据集：保留含Event2Label的记录
event2_df = df.dropna(subset=["Event2Label"]).reset_index(drop=True)
# 统一标签格式：去掉空格
event2_df["Event2Label"] = event2_df["Event2Label"].str.replace(" ", "")
event2_df = event2_df[["Subject", "Session", "Event2Label", "Event2Timestamp"]]

步骤2：统计每个Event1的时间窗口内Event2数量 #

通过关联同组数据，标记Event2属于Pre/Post窗口，最后用透视表统计数量：

# 按Subject和Session关联Event1与Event2
merged_df = pd.merge(
    event1_df,
    event2_df,
    on=["Subject", "Session"],
    how="left"
)

# 标记Event2是否在Event1的Pre/Post时间窗口内
merged_df["Pre"] = merged_df.apply(
    lambda row: 1 if (row["Event1Timestamp"] - 10 <= row["Event2Timestamp"] < row["Event1Timestamp"]) else 0,
    axis=1
)
merged_df["Post"] = merged_df.apply(
    lambda row: 1 if (row["Event1Timestamp"] <= row["Event2Timestamp"] <= row["Event1Timestamp"] + 10) else 0,
    axis=1
)

# 透视表统计各类型Event2的Pre/Post数量
result_df = merged_df.pivot_table(
    index=["Subject", "Session", "Event1Count"],
    columns=["Event2Label"],
    values=["Pre", "Post"],
    aggfunc="sum",
    fill_value=0
)

# 重命名列以匹配目标格式
result_df.columns = [f"{col[0]}-Event1 {col[1]}" for col in result_df.columns]
result_df = result_df.reset_index()

# 补充缺失的类型列（示例仅包含Type1/Type2，若有其他类型可扩展）
for label in ["Type1", "Type2"]:
    if f"Pre-Event1 {label}" not in result_df.columns:
        result_df[f"Pre-Event1 {label}"] = 0
    if f"Post-Event1 {label}" not in result_df.columns:
        result_df[f"Post-Event1 {label}"] = 0

# 调整列顺序匹配目标输出
result_df = result_df[
    ["Subject", "Session", "Event1Count",
     "Pre-Event1 Type1", "Post-Event1 Type1",
     "Pre-Event1 Type2", "Post-Event1 Type2"]
]

验证结果 #

运行上述代码后，result_df的结构与数值将完全匹配目标输出。

内容的提问来源于stack exchange，提问作者KaptainKris