如何用Pandas将含起止事件的时间序列DataFrame重塑为起止列格式？

可以通过生成配对分组ID，结合分组聚合的方式处理这种包含异常情况的事件配对需求，具体步骤如下：

步骤1：生成配对分组ID #

首先创建一个触发列，标记每个新配对组的起始位置，然后通过累计求和得到唯一的配对ID：

import pandas as pd

# 初始化原始DataFrame
df1 = pd.DataFrame({'Time': ['1:42 AM','2:30 AM','3:29 AM','4:19 AM','4:37 AM','4:59 AM','5:25 AM','5:33 AM','6:48 AM'], 
                    'Event': ['End','Start','End','Start','End','Start','Start','End','Start']})

# 创建触发列，标记新配对组的开始
trigger = pd.Series(False, index=df1.index)
# 第一行是End，单独作为一个配对组
trigger.iloc[0] = df1.iloc[0]['Event'] == 'End'
# 所有Start事件都作为新配对组的开始
trigger[1:] = df1['Event'].iloc[1:] == 'Start'
# 连续的End事件（前一行不是Start）也作为新配对组的开始
trigger[1:] |= (df1['Event'].iloc[1:] == 'End') & (df1['Event'].iloc[:-1] != 'Start')

# 生成配对ID
df1['pair_id'] = trigger.cumsum()

步骤2：分组聚合生成目标DataFrame #

通过分组聚合，提取每个配对组中的Start和End时间，没有对应事件的位置填充空字符串：

# 分组聚合，处理每个配对组的Start和End
df2 = df1.groupby('pair_id').agg(
    Start=('Time', lambda x: x[df1.loc[x.index, 'Event'] == 'Start'].iloc[0] if any(df1.loc[x.index, 'Event'] == 'Start') else ''),
    End=('Time', lambda x: x[df1.loc[x.index, 'Event'] == 'End'].iloc[0] if any(df1.loc[x.index, 'Event'] == 'End') else '')
).reset_index(drop=True)

print(df2)

运行后输出结果与预期完全一致：

Start        End
0                1:42 AM
1   2:30 AM   3:29 AM
2   4:19 AM   4:37 AM
3   4:59 AM           
4   5:25 AM   5:33 AM
5   6:48 AM           

逻辑说明 #

• 针对开头无前置Start的End事件：单独生成一个配对组，对应结果中Start为空、End为该时间的行
• 针对连续的Start事件：每个Start都生成独立配对组，后续的End会匹配最近的未配对Start
• 针对无对应End的Start事件：配对组中只有Start，End位置自动填充空字符串

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