如何将不同行的Arrival与Departure合并到同一行（按路由取最新EventTime）

SQL 实现方案 #

假设你的原始表名为route_events，字段包含Route、EventType、EventTime、Value，可以通过分组聚合+条件判断实现需求：

SELECT
    Route,
    MAX(EventTime) AS LatestEventTime,
    MAX(CASE WHEN EventType = 'Arrival' THEN Value END) AS Arrival,
    MAX(CASE WHEN EventType = 'Departure' THEN Value END) AS Departure
FROM route_events
GROUP BY Route;

如果你的数据库支持PIVOT语法（如SQL Server），也可以用更简洁的写法：

SELECT
    Route,
    LatestEventTime,
    Arrival,
    Departure
FROM (
    SELECT
        Route,
        EventType,
        Value,
        MAX(EventTime) OVER (PARTITION BY Route) AS LatestEventTime
    FROM route_events
) AS src
PIVOT (
    MAX(Value)
    FOR EventType IN ([Arrival], [Departure])
) AS pvt;

Python Pandas 实现方案 #

如果用Python处理数据，可以通过pivot_table快速完成合并：

import pandas as pd

# 假设原始数据已加载到df中，字段为Route, EventType, EventTime, Value
df['EventTime'] = pd.to_datetime(df['EventTime'])  # 确保时间格式为datetime类型

# 生成转置后的基础表
result_df = df.pivot_table(
    index='Route',
    columns='EventType',
    values='Value',
    aggfunc='first'  # 每个路由下EventType唯一时用first即可
).reset_index()

# 添加最新EventTime列
result_df['LatestEventTime'] = df.groupby('Route')['EventTime'].max().values

# 调整列顺序至目标格式
result_df = result_df[['Route', 'LatestEventTime', 'Arrival', 'Departure']]

也可以用groupby结合自定义聚合逻辑实现：

result_df = df.groupby('Route').agg(
    LatestEventTime=('EventTime', 'max'),
    Arrival=('Value', lambda x: x[df.loc[x.index, 'EventType'] == 'Arrival'].iloc[0]),
    Departure=('Value', lambda x: x[df.loc[x.index, 'EventType'] == 'Departure'].iloc[0])
).reset_index()

内容的提问来源于stack exchange，提问作者Giri Dharan