使用Pandas计算交替输液状态事件间的时间差

核心思路 #

只关注状态切换的事件（当前事件状态与上一个不同），计算每个状态切换事件与前一个状态切换事件的时间差，并将差值存入当前事件所在行。完全匹配你需要的逻辑：

• 第一个STOPPED与第二个RUNNING的时间差存入RUNNING行
• 第二个RUNNING与第三个STOPPED的时间差存入STOPPED行
• 以此类推

代码实现（基于Pandas） #

import pandas as pd

# 读取本地CSV数据
df = pd.read_csv('stackoverflow_data.csv')

# 将事件时间列转换为datetime类型（必须步骤，否则无法计算时间差）
df['event_time'] = pd.to_datetime(df['event_time'])

# 标记状态变化的行：当前行状态与上一行不同则为True
df['status_change'] = df['infusion_status'] != df['infusion_status'].shift(1)

# 筛选出所有状态变化的事件，计算相邻事件的时间差
status_changes = df[df['status_change']]
status_changes['time_diff'] = status_changes['event_time'].diff()

# 将计算好的时间差映射回原数据的新列
df['target_time_diff'] = df.index.map(status_changes['time_diff'])

代码说明 #

1. 时间格式转换：确保event_time是datetime类型，这是计算时间差的必要前提。
2. 状态变化标记：过滤掉连续相同的状态事件（比如连续的RUNNING），只保留需要配对的状态切换点。
3. 时间差映射：在状态变化序列中，每个事件的time_diff就是它与前一个不同状态事件的时间间隔，直接映射回原数据即可满足需求。

结果验证 #

• 第一个STOPPED之后的RUNNING行，target_time_diff会显示两者的时间差
• 每个状态切换的事件行都会对应到与前一个不同状态事件的时间差，连续相同状态的行则为NaN（符合需求逻辑）

内容的提问来源于stack exchange，提问作者Karthik Venkatraman