如何统计给定日期过去24小时事件次数？附DataFrame订单统计场景

核心思路 #

我们需要为每行计算该行expedition_date往前推24小时到expedition_date本身这个区间内，order_date落在其中的订单数量。由于不能直接用rolling（它基于自身order_date统计），可以用二分查找或者区间匹配的方式实现，其中二分查找效率更高，适合大数据场景。

方法一：基于二分查找的高效实现 #

这种方法利用pandas.Series.searchsorted的二分查找能力，时间复杂度为O(n log n)，适合处理大规模数据：

1. 确保日期列是datetime类型

import pandas as pd

# 将日期列转换为datetime格式（如果还没转的话）
df['order_date'] = pd.to_datetime(df['order_date'])
df['expedition_date'] = pd.to_datetime(df['expedition_date'])

2. 排序order_date并计算区间边界

# 提取并排序所有order_date，用于后续二分查找
sorted_order_dates = df['order_date'].sort_values().reset_index(drop=True)

# 计算每个expedition_date对应的24小时区间下限
lower_bound = df['expedition_date'] - pd.Timedelta(hours=24)

3. 用二分查找统计区间内的订单数

# 找到每个下限在排序后的order_date中的左插入位置
left_indices = sorted_order_dates.searchsorted(lower_bound, side='left')
# 找到每个expedition_date在排序后的order_date中的右插入位置
right_indices = sorted_order_dates.searchsorted(df['expedition_date'], side='right')

# 位置差就是区间内的订单数量，新增到原DataFrame
df['orders_in_last_24h'] = right_indices - left_indices

方法二：基于交叉合并的直观实现（适合小数据） #

如果数据量较小，也可以用交叉合并+筛选的方式实现，逻辑更直观但效率较低：

# 生成包含每个expedition_date及其24小时区间下限的临时表
temp_df = df[['expedition_date']].assign(lower_bound=lambda x: x['expedition_date'] - pd.Timedelta(hours=24))

# 交叉合并原表的order_date和临时表的区间信息
merged = pd.merge(df[['order_date']], temp_df, how='cross')

# 筛选order_date落在对应区间内的记录，并按expedition_date分组计数
counts = merged[
    (merged['order_date'] >= merged['lower_bound']) & 
    (merged['order_date'] <= merged['expedition_date'])
].groupby('expedition_date').size().reset_index(name='orders_in_last_24h')

# 将计数结果合并回原DataFrame
df = df.merge(counts, on='expedition_date')

内容的提问来源于stack exchange，提问作者Carlos Navarro Astiasarán