如何不使用Pandas DataFrame实现日期时段分组并生成目标字典

需求说明 #

现有两个列表：

dates = ['2022-10-16 17:00:00', '2022-10-16 18:00:00', '2022-10-16 21:00:00', '2022-10-16 22:00:00']
values = [1920.0, 570.0, 1680.0, 900.0]

需按以下规则分组：

• 06:00-17:00 归为上午时段
• 18:00-次日05:00 归为夜间时段
  最终生成格式如下的字典：

{'2022-10-16 17:00:00': [1920.0], '2022-10-16 18:00:00': [570.0, 1680.0, 900.0]}

纯Python实现方案 #

无需依赖Pandas，直接用datetime模块完成分组逻辑：

from datetime import datetime

def group_by_period(dates, values):
    period_groups = {}
    for date_str, val in zip(dates, values):
        dt = datetime.strptime(date_str, '%Y-%m-%d %H:%M:%S')
        hour = dt.hour
        
        # 判断时段并生成唯一分组标识
        if 6 <= hour <= 17:
            group_key = f"{dt.strftime('%Y-%m-%d')}_morning"
        else:
            # 0-5点属于前一天的夜间，18-23点属于当天的夜间
            if hour < 6:
                group_date = dt.replace(day=dt.day-1).strftime('%Y-%m-%d')
            else:
                group_date = dt.strftime('%Y-%m-%d')
            group_key = f"{group_date}_night"
        
        # 更新分组数据
        if group_key not in period_groups:
            period_groups[group_key] = (date_str, [val])
        else:
            period_groups[group_key][1].append(val)
    
    # 转换为目标格式字典
    return {k: v for k, v in period_groups.values()}

# 测试调用
result = group_by_period(dates, values)
print(result)

逻辑说明 #

1. 日期解析：用datetime.strptime将字符串转为日期对象，提取小时用于时段判断
2. 分组标识：通过「日期字符串+时段类型」生成唯一标识，确保跨天夜间（如次日02:00）能归到前一天的夜间分组
3. 分组更新：临时字典存储每个分组的首个日期和对应值列表，最后直接提取得到目标格式
4. 轻量高效：避免了Pandas中DataFrame创建、列处理、分组聚合等冗余步骤，仅用基础Python语法实现

内容的提问来源于stack exchange，提问作者ilra