Python实现：基于距离条件统计事件X的特定时间间隔发生频次

接下来的核心是按工厂单独筛选有效事件，再基于时间序列计算符合条件的事件次数，具体代码和逻辑如下：

1. 确保时间列格式正确 #

首先必须把事件时间列转为datetime类型，否则无法计算时间差：

import pandas as pd

# 替换成你的时间列实际名称，比如'timestamp'
df['time'] = pd.to_datetime(df['time'])

2. 遍历每个工厂，单独处理统计 #

因为每个工厂的距离过滤逻辑是独立的，需要逐个处理：

# 存储每个工厂的最终统计结果
factory_stats = {}

# 遍历所有工厂的距离列（即你之前处理的filtered的列）
for factory_name in filtered.columns:
    # 第一步：筛选出该工厂距离≤5km的所有事件，按时间排序
    valid_events = df.loc[filtered[factory_name].notna(), ['time']].sort_values('time').reset_index(drop=True)
    
    # 如果有效事件数不足2个，直接跳过（无法判断时间间隔）
    if len(valid_events) < 2:
        factory_stats[factory_name] = 0
        continue
    
    # 第二步：计算每个事件与前一个事件的时间间隔（单位：分钟）
    valid_events['prev_interval'] = valid_events['time'].diff().dt.total_seconds() / 60
    
    # 第三步：找出所有"前一次事件间隔≥50分钟"的事件（这些是间隔后的起始事件）
    trigger_events = valid_events[valid_events['prev_interval'] >= 50]
    
    # 第四步：统计每个触发事件之后10分钟内的事件次数
    total_count = 0
    for _, row in trigger_events.iterrows():
        current_time = row['time']
        # 定义10分钟的时间窗口：当前时间 ~ 当前时间+10分钟
        window_end = current_time + pd.Timedelta(minutes=10)
        # 统计窗口内的事件数量（包含当前事件，若需求是"仅之后发生的"则去掉=current_time）
        window_events = valid_events[(valid_events['time'] >= current_time) & (valid_events['time'] <= window_end)]
        total_count += len(window_events)
    
    # 保存该工厂的统计结果
    factory_stats[factory_name] = total_count

# 转换为DataFrame，方便查看和导出
result = pd.DataFrame.from_dict(factory_stats, orient='index', columns=['符合条件的事件次数'])
print(result)

关键逻辑说明 #

• 按工厂独立处理：每个工厂的有效事件（距离≤5km）是独立的，必须分开统计，不能混在一起计算时间间隔。
• 时间差计算：用diff()计算相邻事件的时间差，转成分钟单位方便判断≥50分钟的条件。
• 窗口统计：对每个满足"间隔≥50分钟"的起始事件，划定之后10分钟的窗口，统计窗口内的事件数。如果需求是不包含当前事件，只统计之后发生的，把窗口条件改成valid_events['time'] > current_time即可。

可选优化 #

如果数据集规模很大，可以用pd.Series.between_time或者滚动窗口API来提升效率，但上面的代码逻辑清晰，适合中小规模数据集。

内容的提问来源于stack exchange，提问作者Loli