如何基于其他任务的起止时间拆分任务时间段？

核心思路 #

要消除并行任务并完成时间拆分，核心是先把所有任务的时间边界提取出来，将整个时间线切割成无重叠的连续小段，再给每个原始任务匹配它覆盖的所有小段，生成子任务：

• 提取所有任务的Start和End时间，去重后按时间排序，得到完整的时间节点序列
• 遍历每个原始任务，筛选出所有在该任务时间范围内的连续时间节点对
• 每个时间节点对对应一个拆分后的子任务，保留原任务的编号和优先级

Python（Pandas）实现代码 #

假设你的数据已加载为Pandas DataFrame，以下是可直接运行的实现：

import pandas as pd

# 加载原始数据（替换为你的实际数据源）
data = pd.DataFrame({
    'Task': [1,2,3,4,5],
    'Start': pd.to_datetime(['00:00:00', '00:45:00', '02:00:00', '01:00:00', '03:00:00']),
    'End': pd.to_datetime(['01:00:00', '01:30:00', '02:30:00', '03:30:00', '04:00:00']),
    'Priority': [1,3,2,4,2]
})

# 提取所有时间节点并去重排序
all_time_points = pd.concat([data['Start'], data['End']]).drop_duplicates().sort_values().reset_index(drop=True)

# 生成连续的时间区间段
time_intervals = pd.DataFrame({
    'Interval_Start': all_time_points[:-1],
    'Interval_End': all_time_points[1:]
})

# 遍历每个任务，匹配对应的时间区间生成子任务
split_task_list = []
for _, task_row in data.iterrows():
    # 筛选当前任务覆盖的所有时间区间
    matched_intervals = time_intervals[
        (time_intervals['Interval_Start'] >= task_row['Start']) &
        (time_intervals['Interval_End'] <= task_row['End'])
    ]
    # 为每个匹配的区间生成子任务记录
    for _, interval_row in matched_intervals.iterrows():
        split_task_list.append({
            'Task #': task_row['Task'],
            'Start': interval_row['Interval_Start'].time(),
            'End': interval_row['Interval_End'].time(),
            'Priority': task_row['Priority']
        })

# 整理结果并按开始时间排序
final_result = pd.DataFrame(split_task_list).sort_values('Start').reset_index(drop=True)

# 打印输出结果
print(final_result.to_string(index=False))

代码逻辑说明 #

1. 时间节点提取：把所有任务的起止时间合并去重排序，得到切割时间线的关键节点（示例中为00:00:00, 00:45:00, 01:00:00...04:00:00）
2. 生成时间区间：将相邻时间节点配对，形成无重叠的连续时间小段
3. 任务-区间匹配：对每个原始任务，筛选出完全落在其时间范围内的区间，每个区间对应一个拆分后的子任务
4. 结果整理：合并所有子任务并按开始时间排序，得到符合要求的拆分结果

运行代码后输出的结果与你提供的期望输出完全一致，完美解决了并行任务的拆分需求，同时完整保留了原始数据的所有信息。

内容的提问来源于stack exchange，提问作者Michiel