如何在Python中依据日出日落为鱼类位移数据标记昼夜时段

我来帮你搞定这个问题，咱们一步步来解决，完美适配每日日出日落不同的情况：

1. 先把时间转成可比较的datetime类型 #

你的DataFrame里的时间都是字符串格式，没法直接判断先后，所以首先要把记录时间、日出时间、日落时间都转成完整的datetime对象，这是后续判断的基础：

import pandas as pd

# 假设你的原始DataFrame命名为df
# 合并日期和记录时间，生成完整的时间戳
df['record_datetime'] = pd.to_datetime(df['Date'] + ' ' + df['Hours'], format='%d/%m/%Y %H:%M')

# 把日出、日落时间和对应日期合并，转成datetime格式
df['sunrise_datetime'] = pd.to_datetime(df['Date'] + ' ' + df['sunrise'], format='%d/%m/%Y %H:%M:%S')
df['sunset_datetime'] = pd.to_datetime(df['Date'] + ' ' + df['sunset'], format='%d/%m/%Y %H:%M:%S')

如果你的日期格式是月/日/年（比如美式格式），只需要把format里的%d/%m/%Y改成%m/%d/%Y就行。

2. 标记Day/Night列 #

现在可以用向量化操作高效判断每条记录属于白天还是夜晚，完全适配每日不同的日出日落：

import numpy as np

# 核心逻辑：记录时间在日出后、日落前标记为Day，否则为Night
df['Day/Night'] = np.where(
    (df['record_datetime'] >= df['sunrise_datetime']) & (df['record_datetime'] <= df['sunset_datetime']),
    'Day',
    'Night'
)

这种向量化操作比用apply遍历每一行效率高很多，尤其是数据量大的时候优势明显。

3. 统计昼夜总移动距离 #

最后用groupby分组求和就能得到你想要的统计结果：

# 按昼夜分组，计算总移动距离
total_distance = df.groupby('Day/Night')['Covered distance'].sum().reset_index()
print(total_distance)

用你给出的示例数据运行后，结果大概是：

这样就能清晰看到鱼类在白天和夜晚的总移动距离差异，进而判断主要活动时段啦。

内容的提问来源于stack exchange，提问作者toms