如何按ID计算连续行为状态轨迹的时间间隔？

假设你的数据集已加载到Pandas DataFrame df 中，包含ID（个体编号）、sex（性别）、timestamp_adjusted（校准时间戳）、States（行为状态）四个字段。以下是解决连续状态段区分与时长计算的具体步骤：

步骤1：按个体和时间排序 #

确保每个个体的行为数据按时间顺序排列，否则连续状态判断会出错：

import pandas as pd

# 按ID和时间戳排序，重置索引
df = df.sort_values(by=['ID', 'timestamp_adjusted'], ignore_index=True)

步骤2：标记连续状态段 #

对比当前行与上一行的状态，为每个连续状态段生成唯一分组标记：

# 对每个ID单独处理，状态变化时分组标记递增
df['state_segment'] = df.groupby('ID')['States'].apply(
    lambda x: (x != x.shift()).cumsum()
).reset_index(drop=True)

这一步会给同一ID下的每段连续相同状态分配递增数字标记，比如ID1的连续IND段标记为1，后续ACT段标记为2，再次出现的IND段标记为3。

步骤3：聚合计算状态段时长 #

按个体、性别、状态段、行为状态分组，计算每个段的持续时间（结束时间-开始时间）：

# 聚合得到每个状态段的核心信息
segment_stats = df.groupby(
    ['ID', 'sex', 'state_segment', 'States'],
    as_index=False
).agg(
    duration=('timestamp_adjusted', lambda x: x.max() - x.min()),
    start_time=('timestamp_adjusted', 'min'),
    end_time=('timestamp_adjusted', 'max')
)

步骤4：生成带序号的状态标签 #

为同一ID下的同一行为状态的不同连续段添加序号（如IND_1、IND_2）：

# 为每个ID+状态的组合生成连续段序号
segment_stats['seq_num'] = segment_stats.groupby(['ID', 'States']).cumcount() + 1
# 拼接成带序号的状态标签
segment_stats['labeled_state'] = segment_stats['States'] + '_' + segment_stats['seq_num'].astype(str)

最终结果整理 #

按需保留字段，比如只留核心输出字段：

final_result = segment_stats[['ID', 'sex', 'labeled_state', 'duration']]

示例输出 #

内容的提问来源于stack exchange，提问作者Anne Landine