如何按特定规则计算时间区间序列中1小时间隔的总次数？

给定一个已排序的时间区间DataFrame（数据及初始化代码如下），需要按以下规则统计1小时间隔的总操作次数：

• 从第一个区间的start_time开始，每次添加1小时；
• 若结果时间在DataFrame的某个区间内，则以该结果时间继续添加1小时；
• 若结果时间不在任何区间内（处于两个区间之间），则取下一个区间的start_time继续添加1小时；
• 当结果时间大于等于最后一个区间的end_time时停止，统计添加1小时的总次数。

初始化DataFrame的代码：

import pandas as pd
from io import StringIO

s="""start_time,end_time
2022-01-01 12:30:00,2022-01-01 12:45:00
2022-01-01 13:05:00,2022-01-01 13:50:00
2022-01-01 14:00:00,2022-01-01 14:20:00
2022-01-01 16:00:00,2022-01-01 16:45:00
2022-01-01 17:20:00,2022-01-01 17:35:00
2022-01-01 17:45:00,2022-01-01 18:30:00
2022-01-01 19:00:00,2022-01-01 19:25:00"""
df = pd.read_csv(StringIO(s), sep=",")
df.start_time = pd.to_datetime(df.start_time)
df.end_time = pd.to_datetime(df.end_time)

示例计算过程：

1. 12:30 + 1H → 13:30（在13:05-13:50区间内，继续从13:30添加）
2. 13:30 +1H →14:30（不在任何区间，取下一个区间的16:00）
   3.16:00+1H→17:00（不在任何区间，取下一个区间的17:20）
   4.17:20+1H→18:20（在17:45-18:30区间内，继续从18:20添加）
   5.18:20+1H→19:20（在最后一个区间内，继续添加）
   6.19:20+1H→20:20（大于最后一个区间的end_time，停止）

最终输出为6；若最后一个区间的end_time为19:20:00，则输出为5。

可以通过循环结合Pandas的searchsorted方法实现需求，核心逻辑是每次计算下一个时间点，判断其是否处于某个区间内，若不在则定位到后续最近的区间开始时间，直到满足停止条件。

代码实现 #

import pandas as pd
from io import StringIO

# 初始化DataFrame
s="""start_time,end_time
2022-01-01 12:30:00,2022-01-01 12:45:00
2022-01-01 13:05:00,2022-01-01 13:50:00
2022-01-01 14:00:00,2022-01-01 14:20:00
2022-01-01 16:00:00,2022-01-01 16:45:00
2022-01-01 17:20:00,2022-01-01 17:35:00
2022-01-01 17:45:00,2022-01-01 18:30:00
2022-01-01 19:00:00,2022-01-01 19:25:00"""
df = pd.read_csv(StringIO(s), sep=",")
df.start_time = pd.to_datetime(df.start_time)
df.end_time = pd.to_datetime(df.end_time)

# 提取关键数组，简化后续操作
starts = df.start_time.values
ends = df.end_time.values
last_end = ends[-1]

current_time = starts[0]
count = 0

while True:
    # 执行加1小时操作，计数加1
    next_time = current_time + pd.Timedelta(hours=1)
    count += 1
    
    # 检查是否满足停止条件
    if next_time >= last_end:
        break
    
    # 用searchsorted定位next_time对应的区间位置
    idx = starts.searchsorted(next_time, side='left')
    
    # 情况1：next_time落在某个已存在的区间内
    if idx > 0 and next_time <= ends[idx-1]:
        current_time = next_time
    # 情况2：next_time处于区间间隙，取下一个区间的开始时间
    else:
        current_time = starts[idx]

print(count)

逻辑解释 #

1. 初始化变量：提取start_time和end_time的数组，获取最后一个区间的结束时间last_end，将初始时间设为第一个区间的开始时间，计数初始化为0。
2. 循环处理：
   • 每次给当前时间加1小时，同时计数加1；
   • 若加时后的时间大于等于last_end，直接终止循环；
   • 使用searchsorted找到第一个大于next_time的start_time索引idx：
     • 若idx>0且next_time小于等于前一个区间的结束时间，说明next_time在某个区间内，将当前时间更新为next_time；
     • 否则说明next_time处于区间间隙，将当前时间更新为下一个区间的开始时间starts[idx]。
3. 输出结果：循环结束后，输出总操作次数。

运行上述代码可得到示例结果6；若修改最后一个区间的end_time为19:20:00，运行后会得到结果5，符合需求。

内容的提问来源于stack exchange，提问作者theodosis