如何按名称分组，合并重叠时间区间并对values求和

问题描述 #

给定包含name、time_start、time_end和values字段的DataFrame，需按name分组，将每组内重叠的时间区间合并为大区间，同时对合并后区间对应的values求和。

输入数据 #

import pandas as pd

df1 = (pd.DataFrame({'name': ['a', 'a', 'a', 'b', 'b'],
              'time_start': ['2000-01-01 00:01:12',
                            '2000-01-01 00:01:14',
                            '2000-01-01 00:03:12',
                            '2000-01-01 00:05:12',
                            '2000-01-01 00:05:16'],
              'time_end': ['2000-01-01 00:01:18',
                            '2000-01-01 00:01:16',
                            '2000-01-01 00:03:24',
                            '2000-01-01 00:05:40',
                            '2000-01-01 00:05:18'],
                    'values':[20,30,40,20,5]})
 .assign(time_start = lambda x: pd.to_datetime(x['time_start']),
        time_end = lambda x: pd.to_datetime(x['time_end'])))

预期输出 #

name          time_start            time_end  values
0    a 2000-01-01 00:01:12 2000-01-01 00:01:18      50
1    a 2000-01-01 00:03:12 2000-01-01 00:03:24      40
2    b 2000-01-01 00:05:12 2000-01-01 00:05:40      25

实现代码 #

def merge_intervals(group):
    # 按起始时间排序，确保区间处理顺序正确
    sorted_group = group.sort_values('time_start', ascending=True)
    
    merged = []
    for _, row in sorted_group.iterrows():
        if not merged:
            merged.append({
                'name': row['name'],
                'time_start': row['time_start'],
                'time_end': row['time_end'],
                'values': row['values']
            })
        else:
            last_entry = merged[-1]
            # 判断当前区间是否与上一个合并区间重叠
            if row['time_start'] <= last_entry['time_end']:
                # 合并区间：更新结束时间为两者最大值，累加values
                last_entry['time_end'] = max(last_entry['time_end'], row['time_end'])
                last_entry['values'] += row['values']
            else:
                # 无重叠，直接添加新的区间条目
                merged.append({
                    'name': row['name'],
                    'time_start': row['time_start'],
                    'time_end': row['time_end'],
                    'values': row['values']
                })
    return pd.DataFrame(merged)

# 分组处理并重置索引
result = df1.groupby('name', group_keys=False).apply(merge_intervals).reset_index(drop=True)
print(result)

代码说明 #

1. 排序分组：每个分组先按time_start排序，保证按时间顺序处理区间，避免因乱序导致合并逻辑出错；
2. 合并逻辑：遍历排序后的区间，维护一个合并后的区间列表。如果当前区间与列表最后一个区间重叠（当前起始时间≤上一个区间的结束时间），则合并两者——取较大的结束时间，同时累加对应values；若不重叠，直接将当前区间作为新条目加入列表；
3. 分组应用：通过groupby对每个name分组，应用自定义合并函数，最后重置索引得到规整的结果。

内容的提问来源于stack exchange，提问作者ferrelwill