如何按id与name分组计算多个时间区间的并集？

需求说明 #

需对DataFrame中同一id和name分组下的时间区间进行合并，将重叠或连续的区间合并为单一区间，得到合并后的起始时间（result_S）和结束时间（result_F）。

原始数据准备 #

import pandas as pd

id_list = [1,1,1,1,1,1,1,2,2,2]
name = ['A','A','A','A','A','B','B','C','C','C']
Start_time = ['2005-06-27','2005-07-07','2005-07-12','2006-11-15','2008-08-22','2009-03-03','2009-03-06','2007-10-26','2007-10-31','2007-11-06']
Final_time = ['2005-07-07','2005-07-12','2005-09-26','2008-08-22','2009-02-24','2009-03-06','2009-03-12','2007-10-31','2007-11-05','2007-11-09']

dataframe = pd.DataFrame({
    'id': id_list,
    'name': name,
    'Start_time': Start_time,
    'Final_time': Final_time
})
dataframe['Start_time'] = pd.to_datetime(dataframe['Start_time'])
dataframe['Final_time'] = pd.to_datetime(dataframe['Final_time'])

实现步骤与代码 #

1. 定义区间合并函数：对单个分组内的时间区间排序后，合并重叠或连续的区间
2. 按id和name分组，应用合并函数
3. 将合并后的结果展开为标准DataFrame格式

def merge_intervals(intervals):
    # 按起始时间排序区间
    sorted_intervals = sorted(intervals, key=lambda x: x[0])
    merged = []
    for interval in sorted_intervals:
        if not merged:
            merged.append(list(interval))
        else:
            last_start, last_end = merged[-1]
            current_start, current_end = interval
            # 若当前区间与上一个重叠/连续，更新结束时间为较大值
            if current_start <= last_end:
                merged[-1][1] = max(last_end, current_end)
            else:
                merged.append(list(interval))
    return merged

# 分组处理每个id+name组合的时间区间
grouped = dataframe.groupby(['id', 'name'])['Start_time', 'Final_time'].apply(
    lambda x: merge_intervals(x.values.tolist())
).explode()

# 转换为目标格式的DataFrame
result = pd.DataFrame(grouped.tolist(), index=grouped.index, columns=['result_S', 'result_F']).reset_index()

最终结果 #

运行代码后得到的result如下：

该结果与预期一致：

• id=1、name=A的前三个重叠区间合并为一个，后两个连续区间合并为一个
• id=1、name=B的两个连续区间合并为一个
• id=2、name=C的两个不连续区间保持独立

内容的提问来源于stack exchange，提问作者Kevin Song