如何按时间顺序合并两个含Duration与Event列的DataFrame？

问题背景 #

我有两个结构一致的DataFrame，都包含以下两列：

• Duration：浮点数类型的事件持续时长（单位：小时），范围从0.007到数千小时，事件间隔完全不均匀
• Event：仅取0或1，0代表故障状态，1代表成功状态，每当Event值变化时就会触发新事件

需要把这两个DataFrame里的所有事件按全局时间轴的先后顺序合并，最终生成包含Duration、Event和连续编号State列的结果。

示例数据 #

DataFrame 1

DataFrame 2

预期输出

解决方案 #

核心思路是先把每个DataFrame的Duration转换成时间区间（开始/结束时间），再收集所有时间节点排序，生成连续的事件片段，最后匹配对应Event并计算时长。

代码实现 #

import pandas as pd

# 初始化示例数据
df1 = pd.DataFrame({'Duration': [0.06, 2340, 145], 'Event': [0, 1, 0]})
df2 = pd.DataFrame({'Duration': [9, 1200, 124], 'Event': [1, 0, 1]})

def convert_to_intervals(df):
    # 计算每个事件的起始时间（累计前序时长）
    df['start_time'] = df['Duration'].cumsum().shift(fill_value=0)
    # 计算事件的结束时间
    df['end_time'] = df['start_time'] + df['Duration']
    return df[['start_time', 'end_time', 'Event']]

# 处理两个DataFrame，转换为时间区间格式
df1_intervals = convert_to_intervals(df1)
df2_intervals = convert_to_intervals(df2)

# 合并所有事件区间
all_events = pd.concat([df1_intervals, df2_intervals])

# 提取所有关键时间点并排序
all_time_points = sorted(all_events['start_time'].tolist() + all_events['end_time'].tolist())

# 生成连续的事件片段
final_segments = []
for idx in range(len(all_time_points) - 1):
    current_start = all_time_points[idx]
    current_end = all_time_points[idx + 1]
    # 找到覆盖当前时间段的事件（时间轴无重叠，取第一个匹配项即可）
    matched_event = all_events[
        (all_events['start_time'] <= current_start) & 
        (all_events['end_time'] >= current_end)
    ]['Event'].iloc[0]
    final_segments.append({
        'Duration': round(current_end - current_start, 3),  # 保留三位小数对齐示例
        'Event': matched_event
    })

# 转换为结果DataFrame并生成State列
result_df = pd.DataFrame(final_segments)
result_df['State'] = result_df.index.map(lambda x: f'State {x}')

print(result_df)

代码说明 #

1. convert_to_intervals函数：把每个事件的Duration转换成从0开始的时间区间，方便后续按全局时间轴对齐
2. 合并与排序时间点：收集所有事件的开始/结束时间，排序后得到全局时间轴的所有节点
3. 生成事件片段：遍历相邻时间节点，计算片段时长，匹配对应时间段的Event值
4. 生成State列：用片段的索引生成连续的状态编号

运行代码后会输出与示例完全一致的结果，也能适配任意时长范围的事件数据。

内容的提问来源于stack exchange，提问作者Giorgos